地震是严重的自然灾害之一,准确提取地震灾害中建筑物的破坏信息对震后应急响应至关重要。高分辨率遥感影像具有空间分辨率高、覆盖范围广、数据获取相对容易等诸多优点,已成为开展震后应急响应及震损建筑物检测的重要数据来源。目前,震损建筑物检测方法主要可以分为震后单时相影像分类方法以及震前、震后多时相影像变化检测方法。前者尽管克服了对震前参考信息的依赖,但震后场景结构与空间布局复杂且地物对象种类众多,如何仅依据震后信息实现震损建筑物的准确识别,是此类方法面临的一个关键和难点问题。后者通过比较震前、震后建筑物的变化信息来识别震损建筑物,但此类方法通常忽略了由于阴影差异所导致的“伪变化”以及变化信息所包含的多尺度特性。为此,本文分别针对两类高分辨率遥感影像震损建筑物检测方法展开研究,具体内容如下:（1）在震后单时相影像分类方法中,提出了一种基于优化视觉词典的震后高分辨率遥感影像震损建筑物检测方法。首先,通过WJSEG分割（Wavelet J-segmentation）及一组非建筑物筛选规则提取潜在建筑物集合;而后,利用光谱、纹理及几何形状特征构建震害视觉词典模型,并设计了一种基于类内和类间惩罚因子的视觉词典优化策略;最后,通过随机森林分类器将建筑物划分为完好建筑物、部分震损建筑物及废墟。在对汶川和玉树地区的影像所开展的实验中,该方法的总体精度均达到85%以上,显著优于其他两种先进的对比方法。（2）针对震前、震后多时相影像变化检测方法中的变化检测部分,提出了一种结合阴影补偿的多尺度对象级变化检测方法。首先,利用卡方检验提取影像中的地物阴影,并对多尺度变化检测进行阴影补偿;而后,通过构建一种尺度间互信息最小化的目标函数实现了尺度参数的自适应提取;最后,结合所提出的阴影补偿因子,设计了一种基于D-S证据理论（Dempster-Shafer Evidence Theory）的决策级多尺度融合策略,实现了对变化强度等级的划分。在对重庆、南京及上海地区的影像所开展的实验中,该方法较好地解决阴影导致的错检问题,且总体精度显著优于其他对比方法,从而为后续基于变化检测结果的震损建筑物识别奠定了坚实的基础。