近年来,随着相关技术的不断发展和应用需求的急剧增长,遥感技术在灾害检测与评估领域的应用日益增多。高分辨率遥感卫星图像能够比中低分辨率遥感图像提供更多的信息,因而在这方面得到了更加广泛的应用。鉴于传统的基于像素的图像处理方法应用于高分辨率图像时存在诸多问题,面向对象的图像处理方法应运而生,并表现出了显著优势。基于此,本文以高分辨率遥感卫星图像为对象,采用面向对象图像处理方法,对多时相遥感图像的变化检测及其在应急灾情检测与评估中的应用进行了研究。论文首先对高分辨率遥感图像的特性进行了分析,并研究了感兴趣区域定位方法。由于利用遥感图像进行灾情检测与评估时,往往更多地关注人口密集的地区,因此本文对基于Gabor滤波的居民区定位方法进行了改进,得到快速居民区定位方法,通过局部特征点提取和投票矩阵分析,可以快速有效地从覆盖范围较大的高分辨率遥感图像中将居民区提取并标注出来,从而节省后续处理的时间。然后,论文研究了高分辨率图像的多尺度分割方法,并提出了基于异质性的统计区域合并方法。获得准确的图像对象是面向对象处理的重要前提,采用多尺度分割方法可以得到不同尺度的图像对象,使每种地物可以在合适的尺度进行分析。基于区域生长的多尺度分割方法利用了高分辨率图像丰富的形状和纹理特征,但处理速度较慢。基于统计区域合并的多尺度分割方法处理速度较快,但没有利用图像的形状和纹理信息。基于异质性的统计区域合并方法结合了这两种方法的优点,可在不同的尺度下较快地提取出准确的图像对象。在对图像进行多尺度分割后,论文研究了基于特征组合的面向对象变化检测方法。传统的变化检测方法只针对单个像素进行操作,而基于特征组合的面向对象变化检测方法利用图像的灰度特征、形状特征和纹理特征进行面向对象图像处理,可以比传统的变化检测方法更准确地检测出建筑物的变化情况。随后,论文采用相关系数法对建筑物的损失情况进行了评估,得到了损失位置和损失程度等信息。最后,论文将上述各算法集成为基于高分辨率图像的灾情检测与评估系统,该系统作为多源遥感资源综合应用及管理系统的减灾救灾应用示范,具有重要的应用价值。