尺度特性是遥感图像所具有的重要特征,不同尺度下的SAR图像会表现地物不同的尺度信息。针对如何有效利用尺度信息实现地物变化信息的完整描述,进而提高SAR图像变化检测的精度和稳健性这一问题,论文围绕SAR图像的多尺度特征展开分析,对SAR图像自动配准及变化检测技术进行了研究,主要完成了以下几个方面的工作:(1)针对尺度不变特征变换(SIFT)在SAR图像中同名特征点匹配效率不高且准确性不够的不足,采用图像分块思想改进了基于SIFT特征的SAR图像配准算法。首先,对已粗配准的SAR图像进行分块,利用SIFT分别提取对应子块的特征点,形成全图均匀分布且准确度较高的候选特征点。然后,利用随机抽样一致性(RANSAC)算法筛选出稳健特征点,进而完成后续的配准。实验结果表明,该方法不仅可以显著缩短特征匹配的时间,而且能有效地提高配准精度。(2)针对多数变化检测方法难以准确鉴别变化区域边缘像素的问题,提出了一种结合结构相似性的多尺度SAR图像变化检测方法。其中,高斯多尺度变换用来构造像素的特征描述子,结构相似度则用来自适应地选取最优的尺度因子。通过对该尺度因子下的特征描述子进行模糊C均值分类,最终实现变化像素与未变化像素的分离。实验结果表明,该方法显著地提高了变化区域边缘的定位性能和变化检测的精度。(3)为提高变化检测的精细程度,提出了一种基于马尔可夫随机场融合的多尺度变化检测方法。该方法提出了一种小波独立重构方式,获取不同尺度下保持良好细节信息的图像集,进行均值循环迭代分割后,采用马尔可夫随机场进行变化检测结果的融合,得到最终的变化检测结果。独立重构充分利用了小波的高频系数,因此较好地刻画图像的细节;而结合马尔可夫随机场融合,综合考虑了SAR图像的空间邻域信息和不同尺度信息,进一步使得变化检测的结果更为准确。