针对地震灾区地形复杂,地物光谱特征、纹理特征与空间分布复杂,利用单一数据源无法快速、准确地提取损毁建筑物信息等情况,本文利用高分影像所具有的光谱特征、纹理特征和LiDAR点云所具有的高精度的空间三维信息、二次回波信息应用面向对象的影像分类技术,以实现损毁建筑物的快速、准确提取为目的,开展了以下研究工作：1、归纳总结了现有LiDAR点云滤波分类方法、LiDAR点云与高分影像的配准方法。采取人机交互的方式,利用基于面元特征的配准方法实现了LiDAR点云和高分影像的配准。2、综述了面向对象的高分影像分割分类方法,主要包括：高分影像的多尺度分割方法、最优分割尺度确定以及面向对象的模糊分类方法。3、研究采用LiDAR点云以nDSM的方式参与多尺度分割,实验表明nDSM作为LiDAR点云的“高程”信息参与多尺度分割并不会造成影像的“过分割”现象,而是加速了影像对象的合并过程。4、本文提出最优分割尺度范围值求交、取最小值得到最优分割尺度的方法,该方法优于原有的最优分割尺度确定方法。实验表明该方法是可行的,该方法具有更广的适用范围。5、研究分析了实验研究区域内各地物目标的光谱特征、形状特征、纹理特征等,通过样本的选择、实验分析选定了各地物目标的分类特征,建立了模糊分类规则集。根据树木在高分影像上的光谱特征构造了新的植被指数(VInew),实验表明：利用该指数能够准确有效的提取出树木信息,提取树木信息的Kappa系数为0.981744。6、根据损毁建筑物的特征,采用通过逐步剔除影像上的树木、道路、建筑物的方式提取损毁建筑物。最后对面向对象的损毁建筑物提取结果进行了精度分析,实验表明该方法切实可行,提取损毁建筑物Kappa系数为0.932576。综上,本文研究的基于LiDAR点云与高分影像的面向对象的损毁建筑物提取方法是切实可行的,损毁建筑物提取结果的用户精度为94.04%,生产者精度为95.30%,Kappa系数为0.932576。本文的研究成果对于实现损毁建筑物的快速、准确提取具有一定的参考价值,为灾后建筑物损毁评估、应急响应的信息获取提供了可靠的技术支持。