遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。

　　遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。它的方法主要分为两大类：一类是基于像素的影像变化检测，一类是基于特征的影像变化检测。

　　遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。

　　通过不同时相遥感影像之间的分析，发现并提取它们之间的变化信息，是遥感变化检测的关键。影像变化检测（又指不同时相遥感影像之间的变化检测）的方法主要分为两大类：一类是基于像素的影像变化检测，一类是基于特征的影像变化检测。基于像素的影像变化检测，是在影像精确几何配准的基础上，对每个像素前后两个时相的灰度或色彩进行比较（也可以根据检测目的采用像素的纹理特征、植被指数特征进行比较），判断每个像素是否发生变化，进而检测出变化区域。基于像素的影像变化检测易受影像配准、辐射校正等因素的影响。基于特征的影像变化检测需首先确定感兴趣的对象并提取其特征，然后通过特征的比较，获取该对象的变化信息。

　　变化检测通常包括以下 4 个方面的内容：

　　（1）判断是否发生了变化，即确定研究区域内地物是否发生了变化；

　　（2）标定变化发生的区域，即确定在何处发生了变化，将变化像元与未变化像元区分开来；

　　（3）鉴别变化的性质，给出在每个变化像元上所发生变化的类型，即确定变化前后该像元处的地物类型；

　　（4）评估变化的时间和空间分布模式。

　　其中，前两个方面是变化检测所要解决的基本问题，而后两个方面则根据应用要求决定是否需要做。

　　遥感图像分析过程中通常包括数据层处理、特征层处理和目标层处理三个过程。依据这三个层次划分，可将变化检测分为：像元级变化检测、特征级变化检测和目标级变化检测。

　　像元级变化检测是指直接在采集的原始图像上进行变化检测。尽管基于像元的变化检测有它一定的局限性，但由于它是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它变化检测层次所不能提供的细微信息，因而目前绝大多数的变化检测方法都是像元级变化检测。

　　特征级变化检测是采用一定的算法先从原始图像中提取特征信息，如边缘、形状、轮廓、纹理等，然后对这些特征信息进行综合分析与变化检测。由于特征级的变化检测对特征进行关联处理，把特征分类成有意义的组合，因而它对特征属性的判断具有更高的可信度和准确性。但它不是基于原始数据而是特征，所以在特征提取过程中不可避免地会出现信息的部分丢失，难以提供细微信息。

　　目标级变化检测主要检测某些特定对象（比如道路、房屋等具有明确含义的目标）是在图像理解和图像识别的基础上进行的变化检测，它是一种基于目标模型的高层分析方法。

　　变化检测的三个层次在实现上各有优缺点，在具体的变化检测中究竟检测到哪个层次是根据任务的需要确定的。像元级的变化检测保持了尽可能多的原始信息，具有特征级和目标级层次上所不具备的细节信息，但像元级变化检测仅考虑像素属性的变化，而未考虑其空间等特征属性的变化；特征级变化检测不仅考虑到空间形状的变化，而且还要考虑特征属性的变化，但特征级的变化检测依赖于特征提取的结果，但特征提取本身比较困难；目标级的变化检测最大的优点是它接近用户的需求，检测的结果可直接应用，但它的不足之处在于目标提取的困难性。

　　影像变化检测的方法主要分为两大类：一类是基于像素的影像变化检测，一类是基于特征的影像变化检测。

　　基于像素的影像变化检测方法的优点为：方法简单、速度快，容易获得变化区域，但不能确定影像变化类型和性质。它的具体算法有：差值法、比值法、相关系数法、回归分析法等。

　　（1）差值法。先计算前后两个时相遥感影像对应像素灰度值（或色彩值）的差值，生成差值影像，然后对差值影像进行阈值化，就可以检测出变化区域。

　　（2）比值法。先计算前后两个时相遥感影像对应像素灰度值（或色彩值）的比值，生成比值影像，如果某个像素上没有发生变化，则其比值接近 1，反之比值将明显高于或低于 1.因此只要预先设定合理的低阈值和高阈值，就可以检测出变化区域。

　　（3）相关系数法。先计算前后两个时相遥感影像对应像素灰度的相关系数，如果相关系数值接近 1，说明该像素没有明显变化，反之则说明该像素发生了变化。

　　（4）回归分析法。该方法将某一时刻影像的像素灰度值看做另一时刻影像对应像素灰度值的一个线性函数，并用最小二乘法估计此线性函数。由于发生变化的像素将有一个不同于由回归函数预测的灰度值，因此当回归函数预测的灰度值和实际灰度值的差值大于给定的阈值时，就认为该像素发生了变化。

　　基于特征的影像变化检测方法的特点为：首先要先确定检测对象，并提取该对象的特征数据，然后通过特征的比较，获取检测对象的变化信息。

　　确定检测对象就是要从遥感影像中分离出检测对象，检测对象可能是线状地物（如道路、沟渠等），也可能是面状地物（如水库、湖泊等），还可能是三维空间中的复杂地物（如建筑物）。根据不同类型的检测对象，可采用不同的方法来提取其特征数据。例如在几何特征提取方面，线状地物可采用线检测、细化、跟踪等算法获得其中心线的位置；面状地物可采用区域分割、边界探测等算法获取其边界线数据；三维空间中的复杂地物可采用摄影测量技术获得其轮廓线数据。

　　根据特征描述方法的不同，可采用不同的方法来比较两组特征。具体如下：

　　（1）当采用数值特征来描述检测对象时，可采用统计模式识别的方法来判断两组特征的相似程度及确定检测对象的变化信息；

　　（2）当采用结构特征来描述检测对象时，可采用结构模式识别的方法判断两组特征的相似程度及确定检测对象的变化信息。

　　基于特征的影像变化检测是非常复杂的影像处理、识别和理解的过程，目前还没有实用的成果出现，仍处于探索之中。

　　遥感影像变化检测的一般处理流程包括图像预处理、变化检测及检测结果输出三个部分。

　　由于获取条件的差异,多时相遥感图像中存在非地物变化而造成的图像变化。因此，消除非地物变化是变化检测中不可缺少的步骤，在图像预处理的过程中，最重要的两个过程是几何校正和辐射校正。

　　变化信息获取是变化检测处理中的关键步骤。在这个过程中，先根据变化检测对象，进行变化特征提取（包括光谱特征及结构特征）。提取的变化特征，有些可以直接用于变化分析称为确定变化特征；有些不能直接用于变化分析，需要结合辅助信息（如在目标级的变化检测中，需要结合目标的模型来描述变化）称为非确定变化特征。最后对变化信息进行分析与描述得到检测结果。

　　变化检测的后处理是指对得到的检测结果进行再次处理以满足实际需求。主要方法包括滤波处理、数学形态学处理等。变化检测的结果根据用户的需要可以以报表的形式输出，也可以以变化图的形式输出，还可以存储在数据库中。通常情况下，像元级的变化检测是将变化和未变化的区域以二值图的方式进行表示。在特征级和目标级的变化检测中，不仅需要标注出变化的特征或目标，而且需要输出描述特征或目标变化的各种参数。