在遥感图像处理中,建筑物变化检测一直都是遥感领域的热点话题。建筑物变化信息在城市规划、城市管理、违章建筑识别等方面有着至关重要的作用。使用实地调查的方法检测建筑物的变化需要耗费大量的人力和物力资源,数据采集周期长且容易出错,而使用遥感技术对建筑物进行变化检测不但可以解决上述问题,而且可以提高检测效率和精度。在遥感图像获取的过程中,由于拍摄视角、拍摄时间等变化,导致采集到的遥感图像具有较低的重叠率和非刚性畸变,另外,在同一场景采集到的遥感图像对(如多时相或多视角)不在同一坐标系,不能直接进行变化检测。因此,需要对采集的图像进行校正,而遥感图像配准方法通过两幅图像间的特征点对应关系可以将两幅图校正到同一坐标系。因此变化检测的关键步骤是图像配准,图像配准性能直接影响变化检测的结果。本文研究的基于遥感图像配准的建筑物变化检测算法可分两个阶段进行研究:一是遥感图像配准算法研究,二是建筑物变化检测算法研究。主要研究贡献如下:(1)提出了一种无人机遥感图像配准方法。该方法主要是解决由于图像间的低重叠率和非刚性畸变所造成的高冗余点率问题。其中心思想是保持重叠区域内的内点精确地对齐,同时利用冗余点指导非重叠区域网格化图像的形成;(2)提出了一种鲁棒的建筑变化检测框架,可以检测小型无人机或卫星获取的多时相建筑物遥感图像对。该框架利用CNN特征和超像素分割相结合的方法进行变化检测。本文使用60对小型无人机建筑物遥感图像和60对卫星建筑物遥感图像进行图像配准和变化检测实验。通过实验结果可知,在大多数情况下,本文所提出的配准方法与其他几种流行的方法相比性能最佳。由于良好的配准性能,本文所使用的变化检测方法也取得了较好的实验结果。