合成孔径雷达(SAR)图像可以提供丰富的地面目标信息,具有全天候全天时的优点,已在诸多领域发挥其作用。变化检测是SAR图像的一个重要应用,但由于特殊的成像机理,对SAR图像进行变化检测比光学图像要困难得多,常规的方法在SAR图像上很难取得令人满意的结果,使得SAR图像应用受到一些制约,因此研究适应SAR图像自身特点的变化检测方法是非常重要的。　　 本文从SAR图像数据的统计特性机理出发,综合应用多尺度概念和分布差异指数,引入Affinity Propagation方法对SAR图像变化检测进行了系统研究,完成的研究内容和创新点如下:　　 1)统计特性方面　　 提出应用皮尔逊系统反演SAR图像统计分布类型；提出应用SAR图像本身的统计特征,采用Edgeworth逼近原理拟合图像分布的概率密度函数,无需先验知识,实现对各种地物场景的自适应拟合。　　 2)差异指数方面　　 基于对SAR图像统计特性的研究,引入可以准确地描述两个概率密度分布函数之间差异的交叉熵(KLD),研究了基于固定分布的差异指数计算方法和基于Edgeworth展开的差异指数计算模型。为了提高计算效率,引入了积分图像的方法,大大提高了SAR差异指数的计算性能。　　 3)尺度方面　　 尺度空间对变化检测结果有着一定的影响,研究中采用高斯核卷积和降采样方法构建了不同尺度空间下的SAR序列图像,并在此基础上进行了不同尺度参数下的SAR图像的变化检测比较研究,根据定量分析的结果,提出了变化检测方法最佳尺度的概念,即在实际应用中应使每种变化检测方法运行在使其检测精度最高的尺度参数图像上。　　 在实验研究的基础上,提出了模拟人眼识别过程的聚焦渐进式变化检测方法,以漏检率较低的比值法的检测结果为索引,采用误检率较低的EKLD法进行疑似变化区域的小范围检测,得到了精确度较高的检测结果。　　 4)变化区域提取方面　　 变化区域的提取实际上也可以理解为典型的两类识别问题,即将差异图像划分为变化类和未变化类。将Affinity propagation算法引入到差异图像的二值化中,聚类过程中考虑了SAR图像中像素的位置信息,并将其以加权的形式归入特征中。聚类结束后以像素的分类信息为索引,应用循环分割法完成最终的差异图像二值化。通过对参数的可调实验和方法对比实验证明了该方法在理论和实际应用中的优越性。