遥感变化检测是遥感技术的一个重要研究方向,检测方法的研究对于土地利用/土地覆盖图件的更新使用具有重要的意义,同时有助于增强人们对土地利用行为及结果的认识。而土地利用/土地覆盖变化检测是可持续发展研究领域一项重要工作,众多学者致力于该方面的研究,不断提出新的方法或使用其他领域的方法得到更好的应用效果。　　 本文以TM/ETM为数据源,以北京北部昌平地区近10年前后的土地利用/土地覆盖变化为研究对象,在系统地总结和归纳土地利用/土地覆盖变化检测方法的基础上,综合运用遥感、地理信息系统、投影寻踪、神经网络、遗传算法、数值分析等多学科知识,多角度探讨了遥感变化检测方法的几个关键问题,包括图像预处理、分类特征提取、分类方法的确定、分类精度的评价等,从理论方法和实验得到较为满意的研究成果。　　 主要有以下结论和创新性研究成果:　　 (1)系统总结了变化检测的多种方法,阐述了遥感变化检测方法研究的问题以及发展趋势。重点研究投影寻踪方法用于图像处理、目标提取,以及投影指标的建立。　　 (2)提出结合遗传算法和投影寻踪学习网络的方法用于遥感土地利用/土地覆盖变化检测。主要基于对全局优化和局部优化的结合,研究对解决实际问题的高维非线性拟合模型。通过遗传算法全局优化锁定投影方向局部范围,然后用高斯牛顿法精确收敛到最优解,用于图像的分类,在收敛速度和分类精度上都得到了一定的提高。　　 (3)对于遗传投影寻踪模型用于变化检测的问题,提出变化区域提取后分类的策略,相比各自分类后比较加上掩膜图像校正的投影寻踪学习网络体系而言,这样减少了流程和计算量,精度上并没有什么影响。