由于合成孔径雷达(SAR)不受大气条件和云层覆盖等相关条件的影响,因此,多时相SAR图像技术在人们的生活中发挥着越来越重要的作用。本论文主要就SAR图像变化检测技术中的两时相SAR图像差异图的构造、差异图上的自动分类和基于GPU的SAR图像变化检测方面进行了深入的研究,获得了有效的方法,解决了SAR图像变化检测中面临的一些实际的问题。首先就两时相SAR图像差异图的构造方法进行了研究,提出了一种基于邻域比值的差异图构造算法。该算法以比值差异图算法为基础结合像素点的邻域信息,能够有效地减少SAR图像所具有的斑点噪声,通过实验对比经典的比值差异图构造算法和近年来流行的对数比值差异图构造算法,显示了所提出的基于邻域比值的差异图构造算法在构造差异图上具有更好的性能,体现了本文所提出算法的优越性。然后主要就无监督阈值算法进行了研究,提出了一种无监督阈值算法,该算法基于一种单边拟合策略处理SAR图像变化检测技术,通过分析SAR图像变化检测问题的内在本质,提出了单边拟合的闽值策略。其中,两个单边直方图统计分布模型被提出,结合相关的模型参数估计策略求得变化类和非变化类的概率统计分布,应用贝叶斯决策理论自动地确定最终的阂值。通过对两组公开的SAR图像数据集和一组私有的SAR图像数据集进行实验,结果表明所提出的算法是有效的,并且对于直方图具有很大交叠的情况仍然能够得到较精确的结果,体现了所提出算法的优越性。之后在所提出的无监督阈值算法基础上进一步研究了隐马尔科夫随机场在SAR图像变化检测上的应用。因为隐马尔科夫随机场方法的局限性,即所选用的能量函数都采用“硬”划分的模型,而忽略模糊的因素,在处理复杂的地貌场景时,隐马尔科夫随机场技术很难得到令人满意的结果。本文提出了一种基于模糊方法的隐马尔科夫随机场算法,该算法能够有效地解决比值差异图中的SAR图像变化检测问题。该算法充分结合了隐马尔科夫随机场构建空间一致性的能力和模糊方法灵活准确的能力,有效地提高了SAR图像变化检测的检测精度。应用所提出的模糊能量函数可以有效地减少在每次迭代过程中因为“硬”划分所引起的错误积累问题。通过应用相关SAR数据进行实验表明,所提出的算法比起传统的隐马尔科夫随机场算法和所提出的无监督阈值算法及一些流行的阈值算法相比,具有明显的优越性。由于SAR图像海量的信息带来了巨大的计算挑战,以及在SAR图像变化检测的应用领域都需要快速的处理和及时的决断,所以需要利用现有的硬件和软件资源,发展并行SAR图像变化检测技术来满足这些需求。所以最后本文提出了基于GPU并行加速的SAR图像变化算法PLog-FLICM算法,介绍了该算法基于GPU的并行设计流程和实现细节,并基于OpenCL标准在AMD Accelerated Parallel Processing (APP) SDK v2平台上实现本文算法。通过对算法的测试结果表明,所提出的算法分析结果优于其他算法,所设计的并行算法具有很好的加速性能,且实验性能与基准算法相当。