合成孔径雷达（SAR）拥有全天候、全天时的观测能力,在震害评估中发挥重要作用,随着SAR成像技术的发展,其影像空间分辨率也在不断提高,逐渐成为提取震害信息的主要数据来源之一。基于多时相SAR数据提取震害建筑物信息的方法可获得较为准确的结果,但有时由于难以取得有效数据,使得数据处理更加复杂,因此利用震后单时相SAR数据开展震害建筑物的倒塌评估已成为地震应急过程中必不可少的方式。SAR影像中存在的特征多样且丰富,每种特征识别建筑物的能力差异较大,目前尚未出现统一的组合应用评价标准。随着信息提取理论和技术的发展,结合多种有效特征对建筑物进行识别可提高精度,然而当所选的有效特征维数过多时,可能会使算法的运算复杂度增大,进而使提取效率降低,因此需要寻求一种特征融合方法以在确保提取精度的同时还可以降低运算效率。本文针对SAR图像中识别倒塌建筑物时特征信息多样但利用率较低、易形成特征冗余的问题,利用震后单幅ALOS-2 PALSAR全极化SAR影像,以2016年日本熊本7.0级地震的SAR数据为研究对象,同时结合光学影像、GIS资料进行灾区建筑物震害信息提取,具体研究内容与取得成果如下:（1）以高分辨率SAR图像完好、倒塌损毁建筑成像机理与成像特征为基础,开展震害建筑物SAR图像特征的规律性分析,对SAR图像损毁建筑物纹理及极化多种特征进行分析。（2）分别对影像的纹理、极化信息中的不同特征进行特征提取,分别探讨了基于纹理和极化特征以及结合纹理和极化特征对震害建筑物提取结果和效率的影响,结果表明将纹理和极化特征相结合对震害建筑物进行信息提取可以提高提取精度,随后,对比分析了融合多特征的K近邻算法、支持向量机算法、随机森林算法震害建筑物提取效果。（3）引入了基于主成分分析的特征融合和基于最大相关最小冗余算法的特征优化算法,并探讨了两类特征优化算法对震害建筑物提取结果和效率的影响,结果表明,基于最大相关最小冗余算法的特征优化算法结合随机森林算法进行的震害建筑物信息提取的效果更好,在保证运算效率的前提下提高了震害建筑物信息的提取精度。