随着对遥感高分辨率技术的应用与探索,遥感影像中所包含的信息也越来越丰富。高分辨率的遥感影像已经在土地利用与调查、测绘、城市规划、航空、国防军事等众多领域发挥着重要的作用。然而,对于遥感影像光谱模式识别技术来说,空间分辨率的提高所带来的并不是分类精度的提高,而是分类精度的降低。这是因为随着空间分辨率的提高,地物的内部结构越来越清晰,可观测到更多的细节和小目标,这将造成同种地物内部的光谱变化和异质性,也使得不同地物之间的光谱差异减少,所以仅依靠影像中地物的光谱信息进行分类显然会出现更多的误分和错分。本文以2008年05月获取的四川省北川部分地区的无人机遥感影像作为实验数据,将SVM算法应用于遥感影像有损道路的分类。随着小波变换理论的完善,本文提出一种改进后的小波提升滤波和增强的算法。并对其进行了多次试验,与传统的方法比较,效果有明显的改善,为后文遥感影像分析奠定了基础。支持向量机(SVM)作为一种新兴的基于统计学习理论的分类算法,与其它分类算法相比,SVM方法具有全局最优、结构简单、推广能力强等优点,目前在很多领域都获得了相比其它分类方法的最优化的性能。最后针对有损路段在整条道路中的损毁程度,本文构建了道路损毁评估模型及路段损毁程度划分的标准。该模型能够在应急期间缺乏地面调查的情况下,充分利用高分辨率遥感影像,对道路震害损毁进行快速及较为准确的评估。实验结果表明,利用改进后的小波变换提升和支持向量机的方法对道路的提取,比当前运用的平行线、灰度阂值、k-mean、面向对象的道路提取方法具有较好的优势。