多时相遥感影像具有对大范围地表覆盖提供长时序、连续观测的优势。利用遥感影像变化检测技术,能够提取多时相遥感影像中的变化信息,从而定性、定量的反映地表覆盖变化情况,为土地调查、城市研究、生态系统监测、灾害监测评估以及军事侦察等应用提供技术支撑。随着国内外系列高分辨率卫星的发射,多时相遥感影像的空间分辨率从米级提升到亚米级,对地表覆盖精细变化检测提供了数据基础。然而,由于高空间分辨率影像固有的光谱可变性问题,即地物光谱类内方差增大,类间方差减小,使得变化检测结果更易受到不同时相影像光谱、几何质量差异的影响,导致变化/未变化、不同变化类型样本难以区分,阻碍了多时相高分辨率影像在实际生产中的应用。目前,空-谱特征提取、面向对象等方法是挖掘影像中空间信息的常用手段,然而,该类方法仍旧存在特征、尺度选择困难等问题,难以顾及影像局部-全局特性,对不同研究区域、不同数据源算法鲁棒性较差。随机场模型作为一种无向概率图模型,能够通过局部势能函数的构建,在统一的概率框架下表达影像全局统计特性,有效建模影像中的空间上下文信息,在影像处理领域受到了广泛关注。其中,马尔可夫随机场是一种传统的随机场模型,能够有效对标记影像中的空间上下文信息建模,已被应用于中低分辨率光学、SAR影像变化检测中。然而,马尔可夫随机场作为一种生成式概率模型框架,其模型构建中较强的独立性假设限制了该模型在光谱、空间变化模式更加复杂的高空间分辨率影像变化检测中的应用。条件随机场作为一种判别式概率图模型,相比于马尔可夫随机场,具有建模灵活的优势,更加适用于处理高空间分辨率影像变化信息提取。但目前未有针对高空间分辨率遥感影像变化检测问题的系统性的随机场模型研究成果。将随机场模型应用于高空间分辨率遥感影像变化检测仍然存在以下问题:1)一元势能对变化/未变化样本判别能力弱;2)二元势能无法描述高分辨率影像精细结构信息;3)随机场模型无法顾及大尺度空间上下文信息;4)模型不具备多类型变化识别能力。针对上述问题,本论文对条件随机场在高空间分辨率遥感影像变化检测中的应用展开了系统的研究,创造性的提出了基于条件随机场的高分辨率遥感影像变化检测模型。论文主要内容与创新之处包含:（1）系统的阐述了光学遥感影像变化检测的研究现状,原创性地归纳了影响高空间分辨率影像变化检测精度的主要因素,并有针对性地介绍了条件随机场模型的基本理论方法与研究进展。（2）针对条件随机场模型对变化/未变化样本判别能力弱的问题,提出了多特征融合的条件随机场变化检测方法,在一元势能建模中同时考虑影像光谱-空间信息,提高模型初始化精度,缓解一元势能建模误差在模型推理过程中累积,导致优化精度下降的问题。（3）在空间结构信息提取方面,传统二阶条件随机场模型使用各项同性二元势能函数,无法顾及影像局部领域结构的形状、方向性特征。本文提出一种结构条件随机场模型,利用具有不同形状、方向二元势能结构的成对条件随机场模型提取高分辨率影像变化信息的完备描述,并考虑影像局部结构特征的尺寸、方向特性提取影像局部结构的最优特征表达,提高条件随机场模型对于高分辨率影像空间结构变化信息的提取能力。（4）在大尺度空间上下文信息挖掘方面,提出了结合面向对象技术的混合条件随机场模型。常用的二阶条件随机场模型通过二元势能构建邻域像素间的空间上下文信息,无法有效提取影像对象的空间信息,使得模型在对象尺度判别能力、边界轮廓保护方面效果不佳。为此,通过势能函数构建的方式将传统条件随机场模型与面向对象方法相结合,使得模型兼顾像素-邻域-对象-全局变化信息挖掘能力。（5）在变化识别方面,提出了基于标记空间的条件随机场模型。传统条件随机场模型在建模过程中依赖于观察影像提供的像素判别信息,当面对不同源数据时,传统变化检测方法难以有效对变化类型进行识别。因此本文提出一种基于标记空间的条件随机场变化识别模型,将影像数据变换到标记空间,使不同源影像数据、专题数据能够在统一的基准下进行比较。并利于基于超像素的局部统计方法构建条件随机场势能,使随机场模型兼顾空间细节保持与变化类型识别能力。本文面向多时相高空间分辨率遥感影像变化检测这一应用需求,系统的总结分析了影响变化检测结果的因素,有针对性的开展了面向高空间分辨率影像变化检测的条件随机场模型研究,并构建了基于条件随机场的高分辨率影像变化检测原型系统,为应用部门提供了基础。