随着经济水平的不断提高,中国的城市扩张速度也变得越来越快,在城市扩张的同时也出现了许多违章建筑物,这些违章建筑物并不符合建筑规章要求,因此具有很大的危险性。传统采用人工巡查的方法来进行违章建筑物的查拆工作需要投入大量的人力。无人机也是近年来迅速发展的技术,可以在很短的时间内获取实验区域的超高分辨率影像,所以经常被用来进行电力巡查、灾情普查等领域。无人机可以方便快捷的获取超高分辨率影像,利用变化检测技术可以进行快速违章建筑物检测。但是传统的变化检测方法仅适用于中低分辨率及高分辨率影像,但是如何利用超高分辨率的无人机影像进行建筑物变化检测仍然是一个亟待解决的问题。本文针对上述问题,主要研究了利用无人机影像的建筑物变化检测方法,具体研究内容如下。(1)深入研究并总结了无人机摄影测量原理技术与深度学习理论;(2)研究了现有的面向对象的主动轮廓变化检测技术,并将其扩展到无人机超高分辨率影像的建筑物变化检测。首先利用统计区域合并对无人机影像进行分割,并利用主动轮廓模型进行变化检测。实验结果表明,该方法可用于无人机建筑物变化检测,但受分割尺度和光照变化影响较大;(3)研究了卷积Siamese深度学习网络,并将其扩展到无人机影像建筑物场景变化检测。通过构建变化与未变化场景,对深度网络进行训练,实现建筑物场景变化检测。实验结果表明该网络可实现高精度的建筑物场景变化检测,受光照、配准误差等因素影响较小。通过上述研究,本文实现了基于无人机影像的建筑物自动检测方法,可大大降低外业工作量和人工排查工作量,同时为无人机变化检测及违章建筑检测提供理论基础和技术支撑。