变化检测就是对同一地区不同时间获得的图像进行处理,以确定该区域在此时间段内所发生的变化。由于合成孔径雷达(Synthetic Aperture Radar,SAR)对于光照和大气条件不敏感,可以全天时、全天候对目标进行监测,所以基于SAR图像的变化检测在农林勘探、环境监测、灾害评估,资源利用等领域得到了广泛的应用。随着SAR成像技术的发展,变化检测在SAR图像应用研究中的地位越来越重要。但是,由于SAR本身成像特性的限制,在SAR图像中不可避免的存在着相干斑噪声,如何抑制斑点噪声并准确地检测出变化区域一直是SAR图像变化检测研究中的难点和重点所在。传统的变化检测算法一般是首先求取不同时相两幅图像的差异图像,然后将此差异图像作为观测数据,采用阈值法进行处理。这种方法仅仅依赖于差异图像中单个像素的灰度信息,由于SAR图像中斑点噪声的存在,使得检测存在较大的检测误差。马尔科夫随机场(Markov Random Field,MRF)算法可以充分的利用相邻像素之间的空间上下文信息,大大的提高了检测的精度,因此被广泛的应用于变化检测当中。MRF模型在建模时,认为整幅图像是同质均匀的,这一假设使得计算变得简单化。但是,对于非平稳图像而言,这一假设不再成立而模型其对于不同的纹理区域仍然给予相同的参数,这是不合理的,因此对于具有多种同质性的图像,MRF算法的检测效果较差。而三重马尔科夫随机场(Triplet Markov Field,TMF)模型很好的弥补了这一缺陷,在引入一个辅助场U的情况下可以更好地对非平稳图像进行建模。在TMF模型中,利用U场对图像的同质性进行区分,对于不同的同质性,分别进行处理。U场的定义是三重马尔科夫场建模的一个重点和难点,如何利用U场更有效的描述图像的非平稳特性同样是我们研究的重点所在。此外,三重马尔科夫场建模时常用的一阶邻域系统对于噪声较大的SAR图像而言,并不能很好的描述SAR图像的非平稳的特性,有必要采用一个更大的邻域,以便于更好的利用图像中的空间上下文信息。本文提出了一种改进的基于三重马尔科夫随机场模型的无监督的SAR图像变化检测算法。三重马尔科夫随机场模型可以很好的描述SAR图像的非平稳特性,该算法即是在TMF模型的基础上,对邻域系统进行扩展,以更好的抑制斑点噪声。本文所提出的算法首先对U场进行了重新的定义以更好的描述差异图像的非平稳特性。然后重新构造了(X,U)先验势能函数,并选用一个具有更多信息的扩展邻域,以便更好的利用先验信息。在真实SAR图像上的实验结果验证了所提算法的有效性。