“5·12”汶川特大地震后,四川省地质灾害呈高发态势,无人机低空遥感在科技救灾中发挥重要作用。而面向大量的无人机高分辨率影像,如何进行有效的信息提取成为无人机低空遥感研究技术的关键问题。本文围绕无人机高分辨率灾害信息提取这一中心环节,以四川地区的无人机高分辨率影像为主要实验数据,为了克服传统信息提取方法的不足,采用面向对象的方法对影像进行分类。主要研究了面向对象无人机高分辨率影像信息提取过程中的关键技术：1.在总结前人多尺度分割算法的基础上,对算法进行了改进,提出了基于纹理连续的多尺度彩色图像分割算法。在算法中,首先对原始图像进行过分割,通过设定计算纹理阈值对区域进行初步过滤,快速得到纹理连续性区域,避免不必要的合并计算；然后综合利用图像区域的光谱和形状特征描述图像区域,建立了区域合并的目标函数,对颜色异质性计算进行了优化；在区域搜索策略上使用抖动矩阵,在合并中进行局部双向最佳匹配合并,最后通过尺度闪子对合并代价进行限制,得到不同尺度的分割结果。2.在分析分割算法各因子对分割结果影响的基础上,建立了基于局部方差的最佳尺度定量选择方法。通过目视说明、区域个数对比、定量对比等多尺度分割的评价方法与其他多尺度分割算法进行比较,并与现有主要商业软件分割效果进行比较,得出评价结果,显示了本文分割算法的优越性。3.定量地获取影像对象,并对对象的光谱、形状、纹理等特征进行提取和存储,为了避免特征之间的相关性进行主成分分析提取关键特征。4.研究了基于支持向量机的面向对象分类方法。建立了适合本课题的分类识别模型,通过选择合适的核函数和核参数优化,得到分类器模型；接着选择训练对象,进行监督分类,并与基于神经网络的面向对象监督分类和面向像元的支持向量机监督分类进行对比,结果表明基于支持向量机的面向对象分类精度指标均优于另两种分类方法。5.针对堰寨湖灾害进行信息提取；获取的日本地质灾害前后影像,通过对不同时段的影像分类后,进行灾害面积统计,对比分析得到受灾具体信息。