پس از وقوع زلزله، نیاز فراوانی به تعیین ساختمان‏های تخریب شده جهت تعیین موقعیت دقیق و میزان تخریب آنها به منظور تسریع و تسهیل امر امدادرسانی احساس می‏شود. هدف اصلی این تحقیق ارائه روشی معتبر جهت تعیین نیمه اتوماتیک تخریب ساختمانها است. ابتدا با استفاده از تصویر با قدرت تفکیک مکانی بالای مربوط به پس از وقوع زلزله و داده برداری منطقه اقدام به استخراج ساختمانها شد. به علت توانایی بالای ویژگیهای بافتی در تعیین تخریب ساختمانها، در این تحقیق از ویژگیهای بافتی آماری مرتبه اول و ویژگیهای حاصل از ماتریس هم اتفاق استفاده گردید. در ادامه با استفاده از الگوریتم بهینه سازی ژنتیک، نسبت به انتخاب ویژگیهای بافتی بهینه اقدام شد. تابع شایستگی الگوریتم ژنتیک، ضریب کاپای بدست آمده از طبقه بندی کمترین فاصله بود. در ادامه با استفاده از الگوریتم خوشه بندی isodata و تلفیق اطلاعات طیفی و ویژگیهای بافت بهینه، برای سقف ساختمانهای استخراجی سه کلاس تعیین شد، و درصد پیکسلهای هر کلاس، به عنوان ورودیهای سیستم استنتاج فازی معرفی شدند. تصمیم گیری در مورد وضعیت ساختمانها توسط یک سیستم استنتاج فازی با موتور استنتاج ممدانی و پایگاه قوانین فازی طراحی شده با بهره گیری از ساختمانهای مرجع انجام پذیرفت. در مجموع 315 ساختمان وارد الگوریتم شده و در چهار کلاس تخریب طبقه بندی شدند. خروجی اصلی این تحقیق نقشه تخریبی شامل چهار کلاس ساختمانهای سالم، با تخریب کم تا متوسط، با تخریب زیاد و ویران بود. استفاده از ساختمانهای مرجع در برآورد دقت روش پیشنهادی نشان دهنده دقت 73 درصدی و قابل قبول روش در تعیین وضعیت ساختمانها پس از وقوع زلزله بود. در پایان نیز نتیجه گیری و پیشنهاداتی در زمینه تعیین تخریب ساختمان ارائه گردید.