强烈地震是影响人类最严重的自然灾害之一。建筑物是地震灾害中最重要承灾体,建筑物破坏是引起人员伤亡和经济损失的主要来源。传统建筑物震害信息提取主要基于人工地面抽样调查,其存在消耗大量人力、耗时较长的不足。随着对地观测遥感技术的发展,特别是21世纪以来高分辨率民用遥感卫星的成功发射和低空无人机技术的快速发展,高分辨率遥感影像广泛应用于地表二维信息的提取,立体像对生成的三维信息难以满足精度要求;而地震造成建筑物的倒塌,使得建筑物高度等信息发生变化,机载激光雷达系统可获取这种高精度三维高程变化信息。机载激光雷达数据用于震后建筑物震害信息提取,许多方法仍是将点云数据生成高程栅格图像,根据高程纹理进行震害信息提取,而现有研究表明原始点云特征有利于建筑物震害识别。建筑物点云提取难点在于区分点云特征相似的倒塌建筑物点和植被点。建筑物与植被的光谱信息有较大差异,可引入光谱信息区分建筑物点与植被点。航空影像与机载LiDAR(Light Detection And Ranging)点云可同机获取,两者具有相同的位置数据,易于实现几何配准。因此,本文主要开展融合航空影像数据的光谱信息提取地震灾区机载LiDAR建筑物点云方法研究,为利用点云特征识别单体建筑物震害提供数据基础。本文主要研究了DBSCAN(Density-based Spatial Clustering of Applications with Noise)聚类和面向对象两种提取震后机载LiDAR建筑物点云的关键技术方法。主要研究内容包括:(1)研究了常用滤波算法处理地震灾区点云的适用性与稳健性。本研究以2010年海地7.0级地震后机载LiDAR点云为实验数据,比较分析了数学形态学滤波、坡度滤波、基于TIN(Triangular Irregular Network)的滤波以及布料模拟滤波(Cloth Simulation Filter,CSF)四种方法的滤波结果,实验表明数学形态学和CSF方法对该地震灾区点云滤波效果较好,Kappa系数分别为0.86和0.85。(2)为解决建筑物点与植被点难以分离的问题,将航空影像光谱信息赋予非地面点,对建筑物点与植被点的光谱特征进行分析,提出了一种新的分割阈值确定方法——最小混合概率法,结果表明最小混合概率法比传统的双峰阈值分割法具有更好的分割效果。同时,实验分析可见光波段差异植被指数(Visible-Band Difference Vegetation Index,VDVI)、绿-红波段差异植被指数(Green-Red Difference Index,GRDI)、单波段提取植被效果,发现同机搭载相机的红波段对建筑物点与植被点有更好的区分性。(3)针对点云分割提取植被后,仍存在大量离散噪声点的问题,本文首次将基于空间密度的DBSCAN聚类算法应用于震后建筑物点云提取,实验结果表明该算法提取震后建筑物点云精度较高、方法可行。DBSCAN聚类方法应用中邻域半径ε和领域内最少脚点阈值参数是影响建物点提取的重要因素,本文半自动地确定了ε和参数,发现当邻域半径ε为4,领域内最少脚点阈值为20时,建筑物点云提取的Ⅰ类误差与Ⅱ类误差之和最小。(4)为了进一步利用影像信息和点云空间特征信息,本文研究了面向对象建筑物点云提取方法。首先分析了最佳尺度的选择;然后基于地物红波段灰度特征,点云高程和几何特征,分别利用规则分类、最邻近监督分类和模糊分类的方法提取了建筑物区域,从而得到建筑物点云,并与参考点云比较;三种方法提取建筑物点云的Kappa系数分别为0.84、0.70、0.84,表明规则分类和模糊分类方法的精度较高。此外,经测试数据验证规则分类和模糊分类方法提取震后建筑物点云具有良好的稳健性。