遥感变化检测是一种通过获取同一地区不同时序下遥感影像来定量分析目标物状态差异和其变化的技术。自从进入新的时空以来,遥感变化检测的理论体系得到了不断完善与更新,它能够调查大面积的林木资源、监测并分析土地利用/覆盖现状、定量化评估环境灾害状况、合理规划城市格局等,它是各国对地观测的实际应用中最为关键的技术,在科学应用领域中具有难以取代和估量的价值。随着科学技术的发展,对遥感影像变化检测技术的精确程度以及自动化程度也有着更加迫切的需求,只有高精度的变化检测技术才能辅助更高层次的影像分析及理解。本论文主要采用中分辨率影像作为实验数据,围绕如何在一定程度上精确的提取变化区域信息来进行研究的,重点研究如何在差异影像中自动、有效、精确化的获取变化阈值。目前,中、低分辨率影像主要用于宏观的解读分析,其在多时相遥感影像变化检测中的地位是难以被取代的,本文采用中分辨率影像作为实验数据,生成差异影像。并利用智能优化算法能在复杂的非线性多维数据空间里精确快速的寻找全局最优解的算法特点,将粒子群优化算法作为寻优工具,再将其与传统的变化检测方法相结合,以期得到的一种新的变化检测方法。本文主要将最大类间方差法(Otsu)和Shannon信息熵(对数熵法、指数熵法、Tsallis摘法)进行了改进,主要研究内容包括以下几方面:(1)对国内外遥感影像变化检测技术进行总结和分析,把变化检测方法分为不同大类,基于每个大类对其进行综合概述,进而引出采用粒子群优化算法与传统的变化检测方法结合的目的及意义;(2)研究基于粒子群优化算法改进的Otsu变化检测方法:概述Otsu法的起源及基本原理,并将传统的一维Otsu算法扩展至多维,并将扩展后的算法逐一与粒子群优化算法相结合;(3)研究基于粒子群算法的Shannon信息熵的变化检测方法:概述Shannon信息熵法的起源及基本原理,并将各类信息熵法算法扩展至多阈值,再将扩展后的算法逐一与粒子群优化算法相结合。(4)实验验证及精度评价。实验结果证明,基于粒子群优化算法的各变化检测方法在精度和时间上均有不同程度的提高,因此,利用粒子群的多时相遥感影像变化检测方法能够于相异时序影像生成的差异影像中获得全局最优阈值,并得到指定区域的变化信息。