遥感图像变化检测技术在国土资源规划管理、自然灾害监测、军事目标打击效果评估等军民领域都具有重要的应用价值。通过高分辨率遥感图像可以检测到更加详细的变化信息，因此高分辨率遥感图像变化检测受到了更加广泛的关注。然而，由于高分辨率遥感图像的复杂性，传统的变化检测方法无法直接应用到高分辨率遥感图像的变化检测。因此，有必要对高分辨率遥感图像的变化检测技术进行更加深入的研究。　　 本文对现有的变化检测方法进行了系统的总结，从成像机理上分析和总结了高分辨率遥感图像变化检测中存在的几个难点问题，提出了变化检测新框架。为了解决高分辨率遥感图像变化检测难点并满足特定应用对变化检测技术的要求，本文以城市场景为研究对象，对包括配准、融合在内的高分辨率遥感图像变化检测的关键技术进行了深入的研究与探讨。本文的主要工作和贡献有以下几点：　　 ①提出了一种基于SIFT特征和广义紧互对原型对距离的高分辨率遥感图像配准新方法。基于广义紧互对原型对距离的特征点匹配在初始匹配阶段可以检测到更多的外点，减弱了错误匹配对RANSAC匹配算法的影响。通过“广义紧互对原型对”的概念，为不同的特征点匹配方法建立了联系。本文的方法可以得到更多的匹配点对和正确的匹配点对。　　 ②提出了一种新的混和配准方法，该方法首先利用基于特征的配准方法快速、自动地求出初始变换，然后利用基于区域的配准方法对初始变换进行改进并求得最优解。该方法结合了基于特征的配准方法和基于区域的配准方法的优点，在配准精度、计算效率、自动化程度和鲁棒性等方面可以达到较好的平衡。　　 ③提出了一种基于多尺度融合的对象级变化检测新方法。为了减少变化检测对尺度和对象的敏感度，该方法将多尺度决策融合和多尺度特征融合应用到对象级变化检测中。这两种多尺度融合策略都可以大幅度地提高变化检测的精度。在QuickBird高分辨率遥感图像上的实验结果验证了该方法的有效性和鲁棒性。　　 ④提出了一种基于尺度传播的多尺度变化榆测方法。利用局部特征良好的表征能力以及低分辨率尺度变化特征对配准误差和视角变化的鲁棒性，该方法首先在低分辨率尺度上提取可靠的初始变化结果；然后对可靠像素的结果进行逐尺度传播，对不可靠像素的结果利用多尺度变化特征进行逐层加细。该方法充分利用了变化特征在不同尺度上的不同统计特性，具有精度高、速度快、对配准误差和视角变化鲁棒性好等优点。　　 ⑤提出了一种基于渐进直推式SVM的对象级变化检测快速算法。该方法首先通过对基于对象的变化特征进行分类得到初始训练样本和初始变化检测结果，然后利用直推式SVM对训练样本和分类面进行逐步调整，最终得到最优分类面和变化检测结果。快速多时相分割和基于对象的变化特征分类大大提高了计算效率，渐进直推式SVM使得对象级变化检测方法得以自动进行。　　 ⑥研究并实现了一个高分辨率遥感图像变化检测原型系统，该系统可以对高分辨率遥感图像进行快速地配准、融合和变化榆测，在多种场景的实验结果验证了本文方法的有效性。