破坏性地震发生后，最实用的减灾手段依赖于损毁信息的及时获取和有效评估。近年来，遥感技术凭借其时效性强、同步性好、不受地面条件限制等优势成为震后救援与评估的重要手段之一。随着遥感影像分辨率的提高，基于像元的分类方法会产生大量的胡椒盐等噪声问题，分类结果并不是很理想，而面向对象分类技术能有效提高分类精度，成为遥感影像分类研究的热点之一。遥感震害信息提取的精度对整体评估起着重要的影响，因此，提高震害信息提取精度具重要的理论意义和实践价值。　　本文借助高分灾害监测与评估信息服务应用示范系统项目，以鲁甸地震为例，利用面向对象分类技术探索快速提取震后道路损毁信息的流程，以期能深入研究该技术在震后遥感信息快速提取方面的应用。首先，本文在面向对象分类技术理论的基础上，针对影像的层次网络、尺度选取、分割参数的最优化等情况，通过实验验证并分析尺度效应，提出最佳的基于训练的尺度分割方法，确立不同分辨率遥感影像、不同类型道路的分割规则;其次对不同分辨率的遥感影像特征进行分析，实现分割与分类的最佳结合，通过分类与分割的混合并进，建立有效的分层网络，深入挖掘影像与对象之间的特征，实现规则的可视化表达;根据模糊分类与特征阈值相结合的方法，提出不同影像的分辨率与实体道路信息提取的最佳优化方法，进一步优化空间知识库，完善道路与损毁特征的识别，得到分类结果;最终利用道路损毁模型快速判读损毁道路类型，并结合目视解译结果与混淆矩阵理论进行道路损毁信息识别的稳定性与精度验证，用以进一步完善道路损毁信息的识别工作。　　由实验结果可知，以鲁甸地震为例的基于面向对象分类技术的遥感影像的道路损毁信息提取，精度高，能为震后救援与评估提供有力支撑，充分体现了该技术的优点及可行性。