目前,多时相遥感图像变化检测已经在国民经济和国防建设领域得到广泛应用,通过分析同一地域不同时相的遥感图像,采用变化检测技术提取地物的变化信息,可用于城市资源管理、环境监测和防灾减灾等。虽然遥感图像的变化检测研究已经取得了很大的发展,出现了各种各样的变化检测方法,但仍然处于探索阶段,自动化水平不高,常常需要通过人工干预的方式来实现。因此,本文对自动变化检测技术进行了研究,使之可以通过计算机对同一地域不同时相的遥感图像进行分析和比较,同时能准确地判断出变化区域,尽可能多的提取出地物的变化信息。本文主要介绍了遥感影像变化检测的基本概念、数学模型和处理流程,对现有的变化检测方法进行了较为全面的归纳和评述,对遥感图像变化检测中的图像差值法和主成分变换(Principal Component Analysis,简称PCA)的理论知识和处理过程作了详细叙述。在传统PCA的基础上,结合国外论文研究观点,实现了基于TPCA方法的遥感图像变化检测。该方法是对传统PCA方法的一种改进,它克服了传统PCA方法需要依靠经验选择哪个成分最能表征变化信息的缺点。TPCA方法并不是对单时相图像进行各自的主成分分析,而是将两时相的图像组合在一起进行主成分分析,直接得到变化信息,从而提高了变化检测的自动化程度。本文选择成都市某一区域的两时相影像,首先对图像进行几何纠正作为试验所需的数据影像。然后基于IDL语言编程,对上述图像实现图像差值法、传统的PCA和TPCA变化检测方法进行变化检测。实验结果表明,利用TPCA方法对图像进行变化检测比用传统的PCA方法和图像差值法更能准确地判断研究区域内地物是否发生了变化和在何处发生了变化,可以将变化像元与未变化像元区分开来,说明该方法具有一定的准确性和可靠性。