作为遥感图像理解的分支,遥感图像变化检测是指对同一地区不同时间的两幅遥感图像进行比较分析,最终得到两时相地表变化的结果。合成孔径雷达(SAR)成像系统具有能够在不同的环境下成像,且具有全天候、全天时、广覆盖等优势,逐渐成为变化检测的重要数据源。SAR图像变化检测具有传统光学图像不可比拟的优势,在灾害评估,土地覆盖变化,人造目标检测,城市变化检测等方面起到日益重要的作用。同时随着中国城市化进程的加快,中国的城市和农村都在迅速发生变化,及时的发现地面变化对于例如在城市管理、移动通信服务等方面非常重要。由于传感器在成像过程中会受噪声的影响,在图像中会随机分布一些明亮或者黑暗的斑点,这些斑点掺杂在图像中的目标和背景中,尤其是SAR图像受较为难处理的散斑噪声的影响,使图像的纹理结构不能清楚的显示,给遥感图像的变化检测带来困难。如何减少噪声的影响提高最终检测精度是一个富有挑战任务。本文研究内容主要是如何利用不同差异图的特点、选取合适的聚类方法、以及利用预处理方法降低噪声对变化检测准确率的影响,提高变化检测的检测结果,提出以下三种变化检测算法:(1)提出了基于双差异图和数学形态学SAR图像变化检测算法。针对SAR噪声含有乘性噪声的特点,首先运用对数变化将两幅图的乘性噪声变为加性噪声。然后对两时相的图像进行形态学滤波,接着获取差值差异图和均值比差异图,利用两种差异图的组合得到最终的差异图,最后用常用的K-means聚类算法获取最终变化区域。(2)提出了提出了一种结合双差异图和PCA-FCM聚类算法的SAR图像变化检测方法。利用对数比差异图和均值比差异图两幅差异图融合得到新的差异图。再由PCA提取差异图中的每个像素的向量表示即特征。最后通过FCM聚类算法对每个像素的特征聚类的到最终的SAR图像变化检测结果。(3)提出了基于双差异图和伽马增强并且利用显著图引导的SAR图像变化检测算法。首先利用幂律增强分别对两时相经配准过的SAR图像进行处理。然后利用均值比操作获得均值比差异图,利用FLICM获得初始的检测图。接着利用对数比差异图的显著图缩小检测范围,对比初始检测图,获得最终的检测结果。