随着遥感技术和地学分析技术的深入发展,利用这些技术对土地利用/覆盖的情况及动态变化进行定期或不定期的监测,已经成为了当前土地利用规划、土地管理和环境保护等工作的一项关键性的基础工作。本文针对当前面向对象变化检测自动化程度差和检测精度低等缺点,采用了分类后处理的变化检测方法来进行变化信息的检测研究。本文的主要研究内容包括以下几方面：(1)面向对象分类是以影像分割为基础,所以最优分割尺度的选择直接影响到后续特征提取、分类和变化检测结果的好坏,因此最优尺度的选择是本文的重点。(2)就面向对象软件中的多种分类方法,如阈值分类、模糊分类、决策树分类等,重点分析这些方法的优缺点。根据不同的特征属性规则等,采用决策树的分类方法,实现提高检测的自动化程度。采用阈值分类器提取出较为明显的地物类别或者是光谱差异较大的同一地类,而对于“同物异谱”等较为难区分开的类别则采用模糊分类方法进行提取,验证该技术能有效提高分类精度。(3)将分类后的影像对象和矢量所具有的多源信息(类层次结构、属性信息、上下文关系等)融合到面向对象的变化检测中,采用叠加分析、层次关系、层次属性关系等技术实现土地利用/土地覆被变化信息的获取。总之,面向对象的变化检测技术使面向对象分析技术不止局限于分类,同时也拓宽了该技术的应用领域,使其能很好的运用到土地利用/土地覆被的变化检测中。