变化检测是遥感技术的重要研究方向之一,它的目标是通过分析在同一地区不同时段获得的两幅遥感图像来辨识其变化信息。它在土地利用、火灾面积调查、开展资源调查、环境检测、军事侦察、民用领域等方面,有广泛的应用领域。迄今为止,许多学者已经提出很多种变化检测算法,这些变化检测方法大体可以分为两类：监督法和无监督法。所有监督法,是基于监督分类法,这需要一个多时相的地面真实数据来获取变化区域的训练样区,从而进行变化检测；无监督法是不需要任何额外的信息,直接对两个不同时相的数据检测。尽管监督法在准确确定变化区域相比无监督法有明显的优势,但是由于得到地面的真实信息比较困难,因此无监督变化检测方法是常用的变化检测方法。无监督的遥感图像变化检测过程通常可以分为预处理、图像比较(得到差异图像)和差异图像分析三个步骤。本文在对传统的变化检测方法进行充分研究的基础上,对传统的变化检测算法进行改进并提出了三种新的变化检测算法,本文主要工作如下：(1)提出一种基于非局部差异图和谱聚类的变化检测方法。非局部差异图构造方法是通过结合传统差异图构造方法和非局部思想构造而成,该差异图利用了遥感图像的空间邻域信息和灰度相似信息,该算法能很好的抑制噪声；再利用谱聚类算法把差异图聚类为两类,相比传统聚类算法,例如k-均值聚类算法,谱聚类算法可以聚类非凸形状的数据,并获得全局最优解,因此利用谱聚类对差异图聚类能得到更好的变化检测结果。(2)提出了一种基于双边差异图和直方图谱聚类的变化检测算法。该差异图是通过结合像素的空间信息构造而成,通过该算法可以很好的抑制遥感图像的未变化区域,突出变化区域。相比传统谱聚类算法,直方图谱聚类可以解决传统谱聚类在聚类大规模图像数据时,内存和时间使用上的瓶颈问题。(3)提出了一种基于低秩矩阵分解和k-均值聚类的变化检测方法。利用低秩矩阵分解算法来构造差异图,在差异图上利用k-均值聚类算法进行聚类。相比传统的变化检测算法,利用低秩矩阵分解方法构造的差异图,更能提取图像之间变化信息,仿真结果证明该算法的有效性。