变化检测是近年来发展起来的一种遥感图像处理技术，是用来识别遥感图像在不同时期所记录的地表实体所发生的变化。由于遥感数据获取的相对容易性和遥感数据的多样性，以及遥感图像计算机处理技术的日趋成熟，变化检测技术已经成为目前检测土地利用／土地覆盖变更，森林覆盖，环境变化、灾害波及范围等的主要手段。 人工神经网络(ANN)是近年来遥感应用领域里的一个热门研究课题，它是由大量简单神经元广泛相互联接而成的一个自适应动力系统，以对信息的分布存储和并行处理为基础，在许多方面更接近人对信息的处理方法。ANN具有高度的并行结构和并行实现能力，通过训练进行学习，每个神经元都可根据接收到的信息作独立的运算和处理，有较好的耐故障能力、信息融合能力、综合推理能力和较快的总体处理能力，能有效解决遥感图像处理中常见的困难，因此在遥感图像分析与处理领域得到了广泛地应用。 本文首先论述了变化检测的意义和遥感发展的现状，对变化检测技术的发展现状进行了总结，分析了各种变化检测方法的基本原理、优缺点以及在实际中使用的情况。对目前应用于遥感图像处理的各种神经网络方法进行了概述。本文利用自组织竞争神经网络和自组织特征映射神经网络(SOFM)对遥感影像进行变化检测分析，在算法上进行了初步的探索和改进，将结果与常规变化检测方法进行了比较，证明本论文采用的方法是有效的。