遥感影像变化检测是指从同一区域不同时期拍摄的两期（或多期）遥感影像中识别变化信息。高分辨率遥感影像有着丰富的地物纹理和细节信息,极大地拓展了变化检测的应用范围,但分辨率的提高使得类内方差增大,类间方差减小,容易导致变化检测图中存在大量椒盐噪声。为此,基于超像素和面向对象的变化检测技术被提出,取得良好的检测效果。然而现有多数基于超像素和面向对象的变化检测只考虑高分辨率影像的单一尺度信息,忽略了其多尺度特性,影响了变化检测精度。针对此问题,本文借助模糊聚类、图像分割技术、数据融合理论和场模型等,分别基于超像素和面向对象提出两种多尺度融合高分辨率遥感影像变化检测方法,主要工作如下:（1）为充分利用超像素的优势和高分辨率影像的多尺度性质,提出一种基于超像素的多尺度融合的变化检测方法:1)利用变化矢量分析技术生成两期遥感影像的差分影像;2)利用简单线性迭代聚类算法对差分影像进行超像素分割,生成三组不同尺度的超像素差分影像;3)基于超像素差分影像中超像素的灰度值信息,利用阈值技术获取超像素的伪标记信息;4)通过图理论,构建超像素的不规则空间关系,并将差分影像的灰度值信息、伪标记信息以及空间信息集成到模糊聚类模型,生成每个尺度超像素差分影像的变化类和未变化类的模糊隶属度函数;5)通过证据理论融合三个尺度的隶属度,得到最终的变化检测图。实验结果表明,本方法能够充分结合三个尺度超像素差分影像的优势,取得比单尺度变化检测方法更优的结果。（2）为充分利用对象单元的优势和高分辨率影像的多尺度性质,提出一种引力模型优化条件随机场的面向对象多尺度融合变化检测方法:1)提出一种简单有效策略,通过面向对象图像分割技术自动生成两期原始影像的三个尺度的对象级影像,对三个尺度的对象级影像进行变化矢量分析,生成三个尺度的对象级差分影像;2)通过模糊聚类分别计算各尺度差分影像的模糊隶属度函数,并利用证据理论融合三个尺度的隶属度得到融合隶属度和初始变化检测图;3)利用空间引力模型优化的条件随机场对初始变化检测图进行优化。实验结果表明,本方法中的面向对象多尺度融合技术能够提升单尺度变化检测效果,利用改进的条件随机场优化能够进一步提升初始变化检测结果的精度。