变化检测技术已被应用于环境监测、城市研究、森林监测、农业调查、灾害和打击效果评估、地理国情监测等领域。然而现有多光谱或合成孔径雷达(Synthetic Aperture Radar,SAR)影像变化检测方法存在光谱向量信息利用不充分、缺少人类视觉系统(Human Visual System,HVS)理论支持、变化检测精度受到斑点噪声影响等问题。因此,研究多光谱/SAR影像变化检测方法,对促进该技术在上述领域的应用具有重要意义。基于此,本文展开了结合变化矢量分析(Change Vector Analysis,CVA)和光谱角制图法(Spectral Angle Mapper,SAM)、基于HVS理论的结构信息及SAR影像空间邻域信息等方面的变化检测方法研究,主要研究成果如下:(1)提出了三种结合CVA和SAM的多光谱影像变化检测方法。首先在理论上分析CVA和SAM对多时相光谱向量的差异特征利用不充分的缺陷,然后为了集成CVA和SAM在多光谱影像变化检测中的互补优势,提出了广义变化矢量分析(Generalized Change Vector Analysis,GCVA)、自适应融合策略(Autoadapted Fusion Strategy,AFS)和基于离散小波的变换的融合方法(Approach Based on Discrete Wavelet Transform,ABDWT)。实验结果表明:CVA和SAM用于多光谱影像变化检测时,变化类型可以分为三类,单独使用CVA或SAM都只能检测到其中两种变化类型;与CVA和SAM相比,本文提出的方法可以有效提高多光谱影像变化检测的精度。(2)针对常用的多光谱/SAR影像变化检测方法多是数学方式定义的,缺少HVS理论支持的问题,提出了利用结构信息的多光谱/SAR影像变化检测方法。假设HVS提取结构信息的过程可以分为两步,提出了一种改进的结构信息提取方法和两种多波段影像结构信息提取策略,通过利用结构信息构造差异影像,进行多光谱/SAR影像变化检测。实验结果表明:与常用的多光谱、SAR影像变化检测方法相比,本文方法可以较好的表征多时相多光谱/SAR影像之间的差异,提高变化检测的精度。(3)分析了比值法(Ratio,R)和对数比值法(Log Ratio,LR)在SAR影像变化检测中的表现。首先在理论上分析了单调递增的线性和非线性变换不会改变一幅差异影像的受试者工作特性(Receiver Operating Characteristic,ROC)曲线。然后对LR在部分数据集上的表现好于R的原因进行了分析,并通过精心设计的拼接数据集进行验证,最后总结了R和LR在具有一种或两种变化类型的SAR数据集上的表现。在三组原始数据集和拼接数据集上的实验结果表明:在SAR影像变化检测中,LR的表现好于R的观念是不准确的,LR仅仅在一些特殊情况下的表现好于R。(4)改进了SAR影像变化检测中的基于邻域的比值法(Neighborhood-based Ratio,NR)方法。首先分析总结了NR方法存在的三个不足,然后通过重构邻域比值算子解决了存在的问题。实验结果表明:改进的基于邻域的比值法可以在斑点噪声抑制和细节信息保留之间达到较好的折衷,可以更合理的利用SAR影像邻域信息,对SAR影像斑点噪声的敏感性更低,更适合于SAR影像变化检测。(5)提出了一种基于选举模型和空间邻域信息的SAR影像变化图滤波方法。该方法针对SAR影像变化图中虚警噪声和漏检噪声在未变化区域和变化区域离散分布的特点,提出了变化区域和未变化区域的局部连续性假设,在八连通域支持下,通过模拟源于古希腊民主生活的选举行为,识别和抑制噪声点。实验结果表明:本文方法可以有效减小斑点噪声对SAR影像变化检测精度的影响,在SAR影像变化检测结果后处理中具有较好的应用前景。