遥感图像变化检测技术的定义为相同的目标区域在多个时间获取的遥感图像运用图像处理的相关算法进而检测出目标区域是否发生变化,并运用综合分析的方法来提取出目标区域的真实相关变化信息的检测技术。该技术应用非常广泛,比如对森林或植被的动态变化监测、对土地利用及覆盖的变化分析、对洪水、火灾等自然灾害灾后分析及评估、对农田进行监控,分析农作物的生长状况、对城镇变化(比如街道、建筑物等)实时监测、对军事战略目标(比如机场、道路等)进行动态监视等等方面。本文首先对合成孔径雷达(Synthetic Aperture Radar,SAR)遥感图像进行研究和处理,然后将所提出的算法应用于其他遥感图像,最后,以MATLAB提供的图形用户界面GUI为平台设计一个小系统,可以准确而高效地检测目标地区的变化信息。主要工作如下:(1)针对传统的基于非下采样Contourlet变换的图像变化检测方法大都未考虑非下采样Contourlet系数间的邻域特性,检测结果易受杂点噪声干扰的问题,提出了一种基于非下采样Contourlet变换的隐Markov树模型(NSCT-HMT)去噪算法的图像变化检测方法。首先用ENVI软件对遥感图像进行配准,然后对配准好的图像构造均值比差异图,然后利用NSCT-HMT模型对差异图进行去噪,最后使用模糊局部C均值聚类算法实现去噪后差异图变化区域与非变化区域的分类。通过对真实遥感数据集的研究表明,所提出的算法能够有效去除杂点噪声并保留较多细节信息。最后将本文算法与另外四种算法进行比较,验证所提出算法的优越性。(2)为了有效地提高合成孔径雷达(SAR)遥感图像的相关算法的检测精度,我们在本文中设计了一种基于非下采样Shearlet变换(NSST)域改进算法的SAR图像无监督变化检测方法。首先对已配准好的两幅图像经过平滑滤波去噪,对去噪后的图像利用归一化邻域比值法得到两幅遥感图像的差异图,然后将差异图通过NSST分解为低频子带和高频子带两部分;然后对低频子带进行线性增强,高频子带采用自适应阈值法抑制高频子带中的噪声,再利用逆NSST变化得到增强后的差异图;最后利用模糊局部信息C均值聚类(FLICM)算法将图像像素聚类为变化类和非变化类,得到最终的变化检测结果。实验结果表明,该算法能够有效提高遥感图像变化检测的精度,并且不受变化类和非变化类统计分布的影响,不需要先验知识。(3)以MATLAB提供的图形用户界面(GUI)为平台,设计并实现了一个图像变化检测小系统。该系统可以根据用户需求,选择需要处理的区域、时限和算法,并且能够实时检测出不同时限地区之间的区别。最后以新疆八个地州为例,说明该系统在应用于真实遥感图像的变化检测时能够取得较好的结果。