基于统计模型的合成孔径雷达(SAR)图像变化检测技术获得的检测结果是否理想取决于模型能否准确的表达变化信息。传统的分布模型描述变化信息的准确性有限,本文采用描述能力更强的广义Gamma分布作为SAR图像的统计模型,通过对该模型进行研究分析来完成对SAR图像的变化检测。本论文主要包括以下两部分内容：1) G.Moser提出的Generalized Kittler-Illingworth threshold (GKIT)算法在假设多时相SAR图像等效视数相同的条件下,利用Nakagami, Weibull, Lognormal分布推导出的比值概率密度函数作为比值图像统计概率分布函数。鉴于广义Gamma分布的灵活性、有效性,同时考虑多时相SAR图像去相关性使得等效视数相同的约束条件难以满足,本文提出一种基于广义Gamma分布的松弛GKIT算法。该算法利用广义Gamma分布对两幅原始SAR图像建模,进而推导得到相应比值图像的概率密度函数。针对该概率密度函数的高自由度特性,文中不直接在比值图像域进行参数估计,而是将比值图像变化与未变化部分的像素坐标映射到原始图像,利用对数累计量法在原始图像域估计相应参数,最后结合GKIT算法实现多时相SAR图像的变化检测。2)本文还研究了基于广义Gamma分布差异的小波域SAR图像变化检测,利用Kullback-leibler(KL)距离作为小波域SAR图像之间差异程度的量化因子。为降低相干斑噪声的影响,对原始SAR图像进行多尺度小波分解,将各尺度小波系数利用广义Gamma分布局部自适应建模,分别计算对应尺度和对应方向上两幅SAR图像小波分解系数间KL距离。考虑小波分解尺度内和尺度间的相关性,本文将各尺度不同子带KL距离之和的乘积作为小波域两幅SAR图像之间的差异度。引入受试者工作特性曲线(ROC)对变化检测结果进行分析,比较空域内和小波域内变化检测性能的差异,并利用ROC自适应获得最佳阈值,对图像进行二相变化检测。