合成孔径雷达(Synthetic Aperture Radar,SAR)是一种可以在各种复杂气候环境下产生高分辨率影像的雷达传感器。由于SAR具有不受天气、光照及时间的影响等优点,因此SAR图像在军事和民用领域中发挥着越来越大的作用。SAR图像变化检测是研究在不同时间下的同一地点所产生的变化信息的一种方法。其作为SAR图像分析的关键技术之一,在各个领域都有着十分重要的价值。由于SAR图像中存在一些固有的乘性斑点噪声,这些噪声常常对变化检测的结果造成影响,增加了变化检测的难度。本文主要针对SAR图像变化检测过程中,差异图受噪声污染所造成的准确度低、对噪声的鲁棒性不好以及变化检测过程中的时效性等问题进行了研究,主要内容如下:(1)提出了一种基于迭代的对数均值阈值的SAR图像变化检测方法。首先,使用一个带权值的邻域对数比值法来生成差异图,并针对这个差异图来划分变化区域和未变化区域。然后通过一个像素点与其邻域像素的类别信息来修改构造差异图时的权值矩阵,调整之后的权值矩阵将会针对性的使用像素点的邻域信息,以使构造的差异图效果逐渐变好。效果更好的差异图将会产生一个效果更好的变化检测图,不断迭代,使用效果更好的变化检测图来帮助调整权值矩阵。我们认为当每个像素点的类别与其邻域的类别一致时是最好的变化检测图,因此选取像素点的类别与其邻域的类别不一致数量最少的结果作为变化检测的结果图。该方法通过迭代,构造了一个效果更好的差异图,从而提高了对噪声的鲁棒性。(2)提出了一种基于关键点选取的对数均值阈值的SAR图像变化检测方法。首先,同时使用了邻域对数比值法和对数比值法来生成差异图,并通过一种组合策略来组合这两种差异图,使新生成的差异图既能保留良好的边界信息,又能降低对噪声的敏感性。同时,新生成的差异图不会改变原始图像中的均值信息,有利于最终的阈值分割。其次,通过尺度不变特征变换的方法从新生成的差异图中提取关键点,并通过关键点来选取一定的关键区域,进一步缩小变化区域的选择范围,提高检测精度,减弱噪声的干扰。最后,在选定的关键区域中使用对数均值阈值来划分变化区域与未变化区域。该方法通过关键点来划分关键区域,减少了变化检测过程中的数据量,并且在构造差异图的过程中使用了两种方法融合,从而可以在较短的时间内得到较为精确的结果,并且对噪声不敏感。(3)提出了一种基于Mean Shift预分类的模糊C均值SAR图像变化检测方法。首先,对原始图像进行基于Mean Shift聚类的预分类,Mean Shift作为一种无参数密度估计的聚类方法,既可以有效的保持对象的边缘信息,同时还可以平滑同一类对象的像素强度,减小噪声对变化检测的影响。之后通过对数比算子生成差异图并初步分类,分为变化区域、不确定区域和未变化区域,针对其未变化区域的图像信息进行调整,降低噪声水平不同的影响。调整之后重新通过Mean Shift进行预分类并生成差异图,最终使用改进的FCM算法对差异图进行分类,生成变化检测结果图。改进的FCM算法同时利用了图像中的空间信息和强度信息,进一步提高了该方法对噪声的鲁棒性。该方法使用Mean Shift预先分类,一定程度上解决了两张图像在不同噪声水平下,噪声对变化检测结果的影响。