变化检测问题属于图像处理领域,通常是指“根据不同时间的多次观测来确定一个物体的状态变化或确定某种现象的变化的过程”。随着遥感技术的发展,合成孔径雷达(Synthetic Aperture Radar,SAR)图像成为了图像变化检测问题中的主要的数据来源。SAR图像的获得具有全天候、全天时的特点,合成孔径雷达在成像过程中对地物有一定的穿透能力,且不受大气、气候等随机因素的影响,具有不可比拟的优点。国内外众多学者对SAR图像的变化检测问题进行了大量的研究,变化检测结果的精度也在不断地提高。无监督变化检测算法为最常使用的变化检测算法,该类算法的主要步骤为SAR图像的预处理、差异图的构造和差异图的分析,本文的研究重点为SAR图像变化检测中的差异图构造和差异图分析的问题。本文在两方面对SAR图像变化检测技术进行了提高,具体如下所述:1.对于差异图的构造,提出了一种基于非局部小波信息的SAR图像变化检测方法。这种方法提出对同一地区的两幅遥感图像先用简单的代数方法产生差异图,再对差异图进行小波分解,对于高频部分,使用基于非局部均值的方法进行去噪,将高频图像的每一个像素点结合邻域信息转变为向量,对图像进行升维,再利用高斯核函数判断全局信息对于这个点去噪的加权系数,然后求加权均值得到这个点的真实灰度值,对高频图像的每一个点都进行相同的操作,最后进行小波逆变换,得到最终的差异图。在高频部分使用基于非局部均值的去噪方法,既能有效地保留图像的结构信息,又能去除噪声,实现了保留细节信息和去除噪声的平衡,将提出的方法与传统的基于代数的方法和图像融合的算法对比,实验结果表明,提出的方法无论是在视觉上还是定量的评价指标上都能取得较好的结果;2.对于差异图分析,提出了一种基于水平集的动态轮廓模型,这种模型的提出是基于局部模糊C均值聚类算法,对局部模糊C均值聚类算法的目标函数中加入水平集函数构成局部能量函数,使用高斯核函数使得局部信息对于目标能量方程的贡献是可控的,在目标能量方程中加入使得水平集函数能够保持良好的形状和约束零水平集曲线光滑演化的正则项,与全局能量项一起构成新的目标能量方程,最小化目标能量方程,得到目标区域的轮廓曲线。实验证明,相比于之前的经典水平集方法和局部模糊C均值聚类算法,所提出的方法在差异图分割方面能够取得较好的结果。