随着遥感技术的发展，遥感立体成像已成为获取地物信息的有力手段。与传统二维遥感图像相比，运用遥感立体成像重建数据能从三维空间更准确地描述地物信息，因此在城市规划、自然灾害评估、军事毁伤效果评估等方面有着重要的应用。在遥感立体成像三维重建过程中，立体匹配占据首要位置，立体匹配获得匹配点的正确性直接影响三维重建精度；得到重建三维数据后，需将不同时相重建三维数据对齐至同一个坐标系，即进行精确且高效的三维配准以消除不同时相三维数据间的错位；作为重建三维数据的应用，三维变化检测异于二维变化检测，传统方法不再适用，需根据重建数据特点进行扩展。因此，本文以基于遥感图像三维变化检测为目的，分别从遥感图像立体匹配、重建数据的三维配准和三维变化检测三方面开展研究工作。　　首先，简要介绍了遥感立体成像三维重建的基本原理，详细分析了基于局部区域灰度相似性测度和基于特征的立体匹配方法；介绍了三维数据配准的基本步骤，针对遥感立体成像三维重建特点分析了应采用的三维坐标变换模型，详细描述并分析了两种可用于三维配准的迭代最近点(Iterative Closest Point, ICP)算法。这些内容构成了三维重建和三维配准的基础，为后续章节奠定理论基础。　　其次，以面向三维重建的遥感图像立体匹配为目的，本文重点研究了基于角点和基于区域特征的立体匹配技术。其中，针对遥感立体图像局部畸变和灰度差异给角点提取和匹配带来的困难，提出了基于多层尺度空间角点检测和CRA(Cluster Reward Algorithm)相似性测度的立体匹配算法，较大程度地提升了匹配点数目和正确率。针对区域立体匹配算法受限于相似形状区域、能正确匹配区域数目的缺陷，提出了一种联合特征相似性和空间关系的立体匹配算法，实验结果表明提出算法与传统算法相比具有更高的匹配正确率，遗漏匹配数目更少。此外，考虑匹配点空间分布对三维重建的影响，提出了一种匹配点分布质量评估和筛选算法，该算法有效地调整了匹配点均匀分布，通过匹配点分布调整，较好地提高了相对定向参数和三维重建的求解精度。　　再次，针对遥感重建三维数据的配准问题，本文重点研究了ICP算法中无效匹配删减、三维特征点提取关键技术。考虑到ICP算法对具有部分公共区域数据配准时迭代不易收敛的问题，从理论上分析了各类无效匹配删减 ICP算法的不足，提出了一种联合匹配点距离比率及自适应距离阈值的无效匹配删减 ICP算法，模拟和真实数据实验表明提出算法更适合于具有部分公共区域数据的配准，并且配准误差较好地收敛于点集平均距离附近；针对大数据量的多个目标和大范围场景三维数据计算量大，三维配准需时长的问题，分析了几种抽选点ICP算法，提出了基于三维特征点的ICP算法，通过提取对配准数据轮廓描述较好的三维特征点来减小计算量，并将随机抽样一致性检验(RANdom SAmple Consensu, RANSAC)嵌入ICP算法提升ICP收敛的稳定性。实验结果表明提出算法配准所需时间至少降低一个数量级，且配准精度也有较大提高。　　最后，针对遥感三维变化检测问题，本文重点研究了基于距离差值阈值的三维变化检测技术，进一步在三维变化检测的基础上，研究了三维变化的定量评估。对于经三维配准后的多时相三维数据，提出了两种自适应距离差值阈值和改进顺序聚类修正的三维变化检测算法，解决了基本距离差值阈值法阈值难以确定、全局阈值变化检测效果不佳及变化检测结果修正的问题。实验结果表明提出方法更准确地获得了变化区域，变化检测性能得到提升。通过分析不同配准误差对三维变化检测性能的影响，对三维配准提出了具体精度要求。考虑三维变化检测的定量评估，提出了运用六种统计特征对变化区域的形状进行描述，为三维变化检测结果描述提供了有效的手段。