随着遥感技术的进步，各种遥感数据不断积累，各行各业对遥感变化信息的需求日益旺盛。如资源保护中森林覆盖的动态监测、城市规划中土地利用类型的变化分析、军事侦察中战略目标的动态监视以及自然灾害的定向评估等，都需要大量的遥感变化信息数据作为数据支持。在海量遥感数据的背景下，现有的依据先验经验知识+基于关键字/元数据的遥感数据服务模式，一方面，受先验知识储备不完备的影响，不能保证所获取的遥感变化信息数据的完备性;另一方面，受基于关键字/元数据的遥感数据服务模式对目标变化信息描述的局限性，也无法精确地刻画不同应用领域用户的实际查询检索需求。因此，亟需一种新的能满足不同应用领域用户对多样化遥感变化信息快速、有效、全面、准确地获取方式。　　论文总结了当前基于内容遥感图像检索和变化信息发现的研究难点问题，并在应用不同颜色和纹理特征进行遥感图像检索的实验结果分析的基础上，将基于内容的图像检索技术应用到变化信息检索中，提出了一种基于内容的遥感图像变化检测信息检索模型。同时，为充分利用训练样本特性，以提高初次查询检索的准确性和鲁棒性，提出了基于神经网络协同训练的遥感图像变化信息检索模型;为弥补人机“语义鸿沟”问题，将相关反馈机制引入到变化信息检索中，提出了基于改进SVM的遥感图像变化信息检索的智能反馈模型，使查询结果更加符合用户的实际需求。　　本论文的主要研究内容和贡献有以下几个方面:　　1.提出了一种能够快速有效发现遥感图像变化信息的方法　　针对传统的遥感数据服务模式与现有的变化检测手段，不能适应大数据背景下用户对多样化变化信息的查询检索需求。本文将基于内容的图像检索方式，应用到遥感图像变化信息检索中，提出了基于内容的遥感图像变化信息检索方式。该模式作为一种新的遥感图像变化信息快速获取与服务模式，为遥感图像变化信息拓展了新应用方向。这种新的服务模式:一方面，能有效利用遥感图像的中低层特征，在一定程度上克服了同物异谱的缺陷，能更加准确地刻画不同用户的遥感图像变化信息检索需求;另一方面，该模型对变化信息影像的预处理要求较低，具有较高的普适性和自动化性，不受变化检测产品生产种类限制，是一种可以应用到全球范围、全时序变化信息发现的服务模式，提高了遥感信息服务的水平和效率。　　2.提出了综合多特征的遥感图像变化信息检索方法　　鉴于单一特征的信息表达能力有限，提出了综合多特征变化信息检索方式，提高了模型检索的准确率和稳定性。在对各个特征进行大量的实验分析的基础上，对遥感图像采用以下:HSV空间的颜色直方图、三阶颜色矩改进的纹理谱、灰度共生矩阵、矩不变量和快速小波等七类特征，形成了846维变化特征向量。高维特征的图像描述形式，对遥感图像变化信息的描述更加准确。同时，也保证了查询的准确性，为后续的特征学习和特征选择提供了基础和条件。　　3.建立了基于神经网络协同训练的遥感图像变化信息检索模型　　由于用户对目标变化类型地理解往往存在差异性，因此如何充分利用已有变化信息数据库的内容，快速有效地挖掘出用户的实际查询需求，以提高初次查询结果的准确性和效率，具有重要意义。本文，利用训练数据作为变化信息数据库的代表，结合神经网络和协同训练算法，提出了基于神经网络协同训练的遥感图像变化信息检索模型。该模型能够充分利用已有的训练数据，提高变化信息初次检索的准确性。同时，鉴于单一神经网络模型的鲁棒性问题，提出了基于协同训练的神经网络模型，提高了模型初次检索的准确性和鲁棒性。　　4.提出了基于改进SVM的遥感图像变化信息检索的智能反馈模型　　由于人机理解差异，故初次检索结果往往会不尽人意，也即所谓的“语义鸿沟”问题。为了把用户模型嵌入到变化信息检索系统，使查询结果更加符合用户的实际查询需求，本文将相关反馈机制引入到图像变化信息检索中，提出了基于改进SVM的遥感图像变化信息检索反馈模型。该反馈模型能够充分利用遗传算法(GA)的优点，将GA算法的遗传、交叉和变异操作应用到特征选择与参数优化中，以适应不同用户需求的特征选择和参数最优化。同时，在训练样本的采样中，将主动式学习引入到遥感图像变化信息检索的反馈系统中，选择信息量大、重复量小的图像进行标注，降低了用户工作量，提高了检索结果的准确率和收敛速度。　　通过以中、低分辨率为例的遥感图像变化信息检索的实验结果表明，本文提出的基于内容的遥感图像变化信息检索方式，能较好地满足不同用户对遥感图像变化数据信息据的需求。同时基于神经网络协同训练的遥感图像变化信息检索，以及基于改进SVM的遥感图像变化信息检索的智能反馈，提高了变化信息初次/最终检索的准确性和稳定性，能更加准确地刻画用户的查询需求，最终实现典型地物变化类型的检索。