自20世纪50年代诞生以来，合成孔径雷达(Synthetic Aperture Radar，SAR)因具有全天时、全天候、穿透性、高分辨率和高灵敏度等优点，被广泛用于环境检测、城市变迁监测等领域。例如，通过对城市发展用地的调查，可以及时评估得到城区的扩张情况。然而，SAR图像的固有斑噪严重影响变化检测的结果，导致现有检测算法失效。因此，本文针对实际应用的需求，经过大量国内外文献调研，针对单极化高分辨率SAR图像开展了变化检测应用系列研究。根据处理单元的不同，研究内容主要分为像素级变化检测和面向对象变化检测。主要工作如下:　　1)考虑到实际地物分布的复杂性与多变性，本文选用可以根据不同参数近似拟合多种分布的广义Gamma分布，拟合多时相SAR图像的实际地物情况，将该模型和信息论中的交叉熵结合，量化多时相SAR图像间的变化程度，获得鲁棒性高的差异图。考虑到常用差异图提取方法得到的差异图不满足传统KI阈值分割中的正态分布假设，本文将广义Gamma分布用于差异图的分布拟合，将KI阈值分割算法推广到非正态分布中。　　2)为了克服基于像素的变化检测方法受斑噪的影响，误检现象严重（虚警高），离散检测点较多等缺点，本文引入了基于简单线性迭代(simple linear iterative clustering，SLIC)的超像素分割方法，提出了一种针对单极化SAR图像的超像素分割方法。该方法充分考虑了高分辨率SAR图像中的空间结构信息，能够得到保持实际地物边界的超像素。　　3)在超像素分割的基础上，提出一个两层众数投票策略，将超像素分割结果和多种变化检测方法融合，实现面向对象变化检测。经实验验证，本文提出的两层投票策略能够将超像素分割结果和多种变化检测结果很好地融合，能够在保证较高检测率的同时有效地去除大部分虚警并保持地物边界。