遥感影像变化检测是通过对不同时相遥感影像进行处理和分析,得到影像上地物目标变化情况的技术。传统的变化检测方法主要基于影像像素的光谱信息进行处理和分析,在针对高分辨率遥感影像时获取的检测结果往往精度不高,近年来面向对象的分析技术成为遥感影像变化检测的研究内容之一。本文围绕面向对象的遥感影像变化检测技术,研究了遥感影像分割、影像对象的特征提取,研究了尺度和特征对变化检测精度的影响,并提出了一种多个尺度分割的融合PCA和CVA的变化检测方法。本文的主要研究工作和创新点如下:1.系统地研究和总结了遥感影像变化检测的研究现状、一般原理、方法分类及主要流程,分析当前高分辨率遥感影像的特点及其在进行变化检测存在的困难,研究了面向对象遥感影像变化检测的原理、发展现状和一般流程。2.研究了遥感影像分割的原理、方法分类及主要流程,实现了Mean-Shift算法对高分辨率遥感影像的分割。根据尺度的概念和意义,研究了尺度对变化检测的影响,并非每一种尺度分割都能提高变化检测精度。根据多尺度分割的概念,指出了影像两种多尺度分割方法(多层尺度和多个尺度分割)的不同过程和结果,并以实验详细说明了两种分割方法的区别。影像多层尺度分割有着层次网络结构,并且大尺度分割是基于小尺度分割的结果进行的,而影像多个尺度分割由于分割过程是各自独立进行,得到的分割结果相互独立,无明确的上下层网络关系。3.选取了影像对象的灰度均值、梯度强度、形状指数、LBP纹理作为光谱特征、空间特征、形状特征和纹理特征,反映遥感影像的信息。研究这4种特征对变化检测的适用性,以一组全色影像在不同种类和数量的特征的组合的基础上进行差值法或CVA法变化检测,并对变化结果进行精度评估和比较。得出以下结论:特征的数量与变化检测的精度并非正相关,特征数量的增多不代表精度的提高,对所关注的地物进行有针对性的变化检测,选取适合该地物目标的特征进行变化检测,取得的检测效果会更加理想和可靠。4.提出了一种多个尺度分割的融合PCA和CVA的变化检测方法。在影像多尺度分割并提取影像对象灰度均值的基础上,通过PCA变换获取前K个主成分,对主成分通过CVA方法计算得到差异影像,对差异影像通过大津法进行阈值分割,区分变化类和非变化类,获取变化结果图,并通过对比实验分别比较了该方法在全色和多光谱遥感影像变化检测中的适用性。本文方法较传统的差值法和CVA变化检测方法可以有效提高变化检测的精度和可靠性。另外,基于多层尺度的变化检测方法更依赖于第一层尺度分割的结果,而基于多个尺度的变化检测方法每一次影像分割是独立进行的,检测结果更为稳定。