遥感图像的变化检测是对不同时间获得同一地区的两幅或者多幅遥感图像进行分析,提取图像中随时间发生变化的信息。随着遥感技术的不断发展,遥感图像变化检测在森林和农业资源调查、环境监测分析、自然灾害评估、城市变化等方面的应用越来越广泛。虽然遥感图像变化检测的研究发展很快,各国学者提出了不同的检测方法,但这些方法的自动化水平仍然不高,需要人工干预的方式实现。因此,如何实现遥感图像的自动化检测成为当前该领域研究的热点。本文对非监督的遥感图像变化检测的一些关键技术进行研究,完成的工作和成果有以下几点：1.介绍了遥感图像变化检测的理论知识、国内外发展现状,对已有的检测方法进行归纳总结,概述了遥感图像变化检测的工作流程、遥感数据的选择,并对遥感数据进行辐射校正预处理。2.给出了基于小波融合和模糊C均值聚类的遥感图像变化检测方法。考虑到差值法和对数比值法获取的差异图像各自的优缺点,该方法引入离散小波变换,利用均值规则和最大绝对值规则对两种差异图像进行小波融合,构造新的差异图像。针对传统的差异图像“硬”分割方法导致阈值难以选择的问题,采用模糊C均值聚类实现差异图像的自动分割,最终检测出变化的区域。3.提出了基于非抽样小波变换和模糊局部信息C均值聚类(FLICM)的遥感图像变化检测方法。该方法先对差异图像进行非抽样小波分解,不考虑各尺度对角方向上高频的小波系数,将其余的多尺度小波系数和差异图像本身结合构造多尺度特征向量,然后采用模糊局部信息C均值聚类算法对多尺度特征向量进行分类确定变化区域。该方法构造多尺度向量充分考虑了不同尺度的小波系数,并且利用FLICM聚类分析时加入空间邻域信息,从而提高了变化检测的性能。通过对真实遥感数据集实验验证了该方法的有效性。