遥感图像变化检测是指从相同地区不同时刻所观测得到的两幅或多幅遥感图像中获取变化信息的技术。随着遥感技术的迅速发展,所获取的遥感图像包含丰富的空间、纹理、几何等结构信息。在遥感图像变化检测技术中,如何充分利用这些丰富的信息,从而快速准确地获取地物变化是亟待解决的核心问题。本文主要围绕无监督变化检测中如何有效地获取变化信息问题,提出了两种遥感图像变化检测方法。具体研究内容如下:(1)探讨了因子分析在变化检测中的可行性,采用因子分析提取差异图像特征,并使用期望最大化(Expectation-maximization,EM)算法来估计因子分析模型的参数。同时考虑到“变化类”和“未变化类”之间存在一定的交叠区域,本文设计了两级模糊聚类算法对提取出的特征进行聚类成“变化类”和“未变化类”,从而得到变化检测结果。最后通过对四组实测遥感图像进行实验,验证了提出方法可以获得更好的检测性能。(2)在贝叶斯理论的基础上,开展了混合因子分析模型在变化检测中应用的可行性研究。该方法首先用混合因子分析模型对差异图像的数据分布进行建模。在建模过程中,采用EM算法估计模型的参数,然后通过最小均方误差准则得到变化检测结果。考虑到遥感图像中存在局部相似性,通过引入空间信息来提升检测性能。因此,本文在上述算法的基础上,融入马尔科夫随机场,提出了一种基于混合因子分析和马尔科夫随机场的变化检测方法。最后通过四组实测遥感图像对提出的算法进行实验,验证了提出算法的有效性。