土地覆盖变化检测是根据对同一物体或现象不同时间的观测来确定地表覆盖变化的处理过程,是根据不同时相的遥感图像及其它多时相GIS数据来提取、描述目标随时间产生的变化,并定量分析、确定其变化内容的理论和方法。它以GIS和RS为主要工具从多时相数据中提取人类活动和地球环境的动态信息,其结果常用于GIS空间数据库的快速更新和空间数据挖掘。随着地理信息系统和趋于“三多”(多角度、多传感器和多平台)以及“三高”(高光谱分辨率、高空间分辨率和高时间分辨率)的遥感技术的快速发展,土地覆盖变化检测已成为空间信息科学中一个较为活跃的研究方向。面向对象影像分析技术(Object-Oriented Analysis, OOA)以对象为基本操作单元,是结合RS和GIS的一种新型的地学分析工具,广泛且成功的应用于以遥感图像分类为代表的遥感影像分析处理之中,越来越多的受到土地覆盖应用研究者的青睐。本文在全面分析、总结国内外研究现状的基础上,介绍了变化检测的基本概念、模型和处理步骤；总结了现有的土地覆盖变化检测方法,阐述了常用方法的原理,并对它们的优缺点进行了详细的分析；研究了面向对象影像分析的相关概念和理论以及多尺度图像分割技术,并以面向对象遥感影像分析软件eCognition(易康)中的多尺度图像分割为例探讨了基于多光谱遥感图像的多尺度图像分割中参与分割的图像波段和各波段权重这两组重要参数的确定。在此基础上将面向对象遥感影像分析技术引入以Landsat5TM中分辨率多光谱遥感影像为数据源的土地覆盖变化检测中,详细对比了对象级变化检测与传统像元级变化检测的性能指标；分析探讨了三种常用变化检测方法的优劣以及面向对象土地覆盖变化检测的优势；结合变化检测的发展趋势,将LBV变换与传统的变化矢量分析(CVA)相结合,提出了一种基于面向对象的LBV-CVA变化检测法。通过实验,证明该方法能有效提高土地覆盖变化检测的精度,降低检测误差。最后对本文的研究成果进行了总结,指出了在研究中有待改进的地方,对以后的研究工作进行了展望。