遥感图像变化检测是对同一地表区域的不同时刻的遥感图像进行分析，获取该区域的地物变化信息。随着遥感技术和图像信息处理技术的发展，遥感图像变化检测已成为遥感图像研究的一个重要方向，并广泛应用于社会经济的各个领域，如土地资源监测、水体监测、环境监测、林业监测、农业调查、植被覆盖和气象监测、灾害监测与评估、城市管理规划甚至军事侦察和战场估计等领域。本论文围绕着如何有效地构建差异图像和提取两时相遥感图像的变化信息进行研究，完成了以下三个方面的工作：(1)提出了一种基于区域分割和Kmeans聚类的遥感图像变化检测方法。首先对两幅不同时相图像进行滤波并构造差异图像，用最大熵阈值分割差异图像以提取感兴趣区域和肯定非变化区域，随后计算感兴趣区域和肯定非变化区域的区域特征，用Kmeans聚类算法对区域进行分类，得到最终的变化检测结果。对模拟和真实遥感图像的实验证明该方法能提高区域分割的精度，减少漏检数，与类似方法相比获得了较好变化检测的效果。(2)提出了一种基于双字典交叉稀疏表示的遥感图像变化检测方法。首先由第一时相遥感图像构造局部字典稀疏表示第二时相遥感图像的图像块，同样地，由第二时相遥感图像构造局部字典稀疏表示第一时相遥感图像的图像块，然后利用对应稀疏系数的l1范数差异构造差异图像，并对差异图像进行最大熵阈值获得初分类结果图，再对初分类结果图进行区域生长去除伪变化区域，得到最终的变化检测结果。该方法可降低局部配准误差和弱噪声对变化检测结果的不良影响，模拟和真实遥感图像的实验证明该方法的有效性和检测的稳定性。(3)提出了一种基于字典学习及稀疏表示的遥感图像变化检测方法。首先分别从两个时相图像中随机选取N/2个图像块样本训练字典，接着将两个时相图像每一个像素的图像块投影到字典原子张成的空间上获得该像素的稀疏表示系数的l1范数特征，然后根据对应像素特征的差异构建差异图像，再对差异图像进行分类得到初分类结果图，最后在对初分类结果图去除小面积的伪变化区域，得到最终的变化检测结果。模拟和真实遥感图像的实验证明该方法能较好地兼顾虚警和漏检，提高了变化检测的精度。本论文工作得到了国家自然科学基金(60970066)、高等学校学科创新引智计划（111计划）(B07048)、教育部长江学者和创新团队发展计划(IRT1170)以及中央高校基本科研业务费专项资金(K50510020025)的资助。