多时相遥感图像变化检测技术是通过对比和分析同一地域不同时相的遥感图像以获取所研究的对象变化信息的技术。随着遥感技术的发展,多时相遥感图像变化检测已经在国民经济和国防建设领域得到广泛应用,主要用于城市资源数据更新及利用、环境监测、防灾减灾、战场态势分析以及毁伤效果评估等方面。在对变化检测做了系统分析的基础上,论文针对两种不同的遥感数据源提出了不同的变化检测算法。首先,对于多波段TM影像的变化检测,本文提出了一种改进的基于KL变换的变化检测方法。KL变换能够把原来多个波段中的有用信息尽量集中到数目尽可能少的新的组分图像中,并能够使新的组分图像之间互不相关。在确保计算精度的前提下,本文引入最佳波段组合的思想,选取多波段TM影像中的某几个波段进行组合,对合成后的影像作KL变换,从而减少了运算时间,解决了传统的KL变换耗时多的问题。由于变换结果的前几个分量上集中了两个影像的主要信息,而后几个分量则反映出了两影像的差别信息,可以突出变化信息,因此可选择变换后最佳的分量组合来提取变化区域。实验结果表明,该算法集中了两个时相的影像信息,信息量丰富,变化信息突出,噪声信息对其影响较小。其次,对于分辨率高的SPOT影像,本文提出了一种基于灰度差分与纹理特征差分图像融合的变化检测算法。图像差分是实现变化区域检测最直接的方法,但仅仅根据地物光谱特征差异得到的灰度差分图像不能完全表征地物局部结构的变化。针对灰度差分法不能突显地物空间结构特征的不足,结合纹理差分图像在结构特征上的特点,将灰度差分图像和纹理差分图像进行融合,并利用OSTU方法选取阈值,从而检测出变化的区域。实验结果表明,该算法大大地提高了简单的纹理差分或是灰度差分算法的检测精度。