目前通过遥感获取的图像的常见用途是对地球表面发生的变化进行详细监测。这些变化(如洪水)会产生光谱差异,可通过遥感图像分析进行区分。无论图像的来源和表面变化的类型如何,这些数据的正确处理意味着采用灵活,稳健且可能非线性的方法来计算正确表征图像像素的复杂统计关系。在变化检测领域已经建立了许多方法。实际上,检测变化是一个过程,需要谨慎考虑许多功能,如检测变化问题的性质,图像处理预设,选择合适的变量和算法来解决CD问题。传统的变化检测方法消耗更多的时间,与手动调节有关,并且受到区域内噪声或复杂光谱类别的影响。通过这些方法获得的变化地图通常会出现孤立变化的像素并且呈现低精度。因此,无监督变化检测是一种完全自动且无监督的方法,用于对变化进行准确的二进制检测。该技术允许在没有任何用户干预的情况下进行精确的映射,这导致当待机和系统响应时间是确定在不同时间获取的两个或多个配准的遥感图像变化的关键障碍时特别有用。核心k均值聚类过程用于将两组像素相关联到“变化”和“无变化”类。我们提供了一种有效的方法来区分这两类变化:这种方法依赖于三个不同的步骤:(A)初始化聚类,(B)核函数参数估计和聚类,以及(C)最终分配像素到他们的类。为了评估Kkm技术对多种遥感图像和应用的有效性,通过Landsat TM获得两个不同的数据集。结果显示了这种自动CD方法用于环境变化监测的灵活性和有效性。