近年来,遥感平台和传感器技术取得了飞速发展,实现了对全球大部分区域的连续重复观测,积累了海量多源、多时相遥感数据。在合成孔径雷达（Synthetic Aperture Radar,SAR）、光学、红外、多光谱等多源数据中,SAR具备全天时、全天候、高分辨、大幅宽等多种优点,是一种良好的信息源。SAR图像广泛应用在目标检测、地物分类、动态监测和变化检测等领域,其中变化检测在国民经济和国防建设上发挥着巨大作用,已经成为遥感数据应用研究中的一个重要内容。本文深入研究双时相SAR图像变化检测方法,研究内容以及成果包括以下三个方面:（1）对现有经典变化检测方法中的6种有代表性方法进行了深入的研究分析。详细阐述了这6种方法的总体流程和具体方法,在此基础上,分析了各算法存在的优点和缺点。针对像素级变化检测算法易受相干斑噪声影响和无法利用地物邻域空间信息的问题,提出以超像素作为基本处理单元进行多时相SAR图像变化检测的改进思路。（2）针对超像素级SAR图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题,提出了一种基于简单非迭代聚类（Simple Non-Iterative Clustering,SNIC）的双时相SAR图像超像素协同分割算法。首先,构造一幅包含双时相SAR图像特征的融合图像,计算待处理像素点到聚类中心的像素强度相似度和空间距离相似度;其次,采用一种高效的多尺度弱边缘检测算法,对双时相SAR图像分别进行边缘检测并融合边缘检测结果;最后,将像素强度相似度、空间距离相似度和边缘信息进行加权得到适应于SAR图像的像素点间相似度测度,采用该测度替代原始SNIC算法中的距离测度,对SAR融合图像进行超像素协同分割,得到与双时相SAR图像中真实地物边缘均贴合的协同分割结果。基于仿真和实测实验结果表明,该算法综合性能优于其它7种经典方法。（3）针对像素级变化检测方法无法充分利用地物在图像上的空间位置和空间关系等重要信息的问题,提出了一种超像素级的双时相SAR图像变化检测算法。首先,采用基于SNIC的双时相SAR图像协同分割算法,对双时相SAR图像进行超像素协同分割;其次,采用对数均值阈值法,对双时相SAR图像进行变化检测,得到初步变化检测结果;最后,以超像素为单位进行二次阈值判断,结合粗精两级判断,得到最终变化检测结果。在公开的Ottawa SAR数据集、Bern SAR数据集和San SAR数据集上进行了大量实验,实验结果表明该算法的综合性能优于改进前的对数均值阈值法以及其它6种典型的变化检测算法。