在突发性自然灾害中,为了能够第一时间了解灾情、抗灾救灾,合成孔径雷达(Synthetic Aperture Radar,SAR)系统因为其全天时、全天候的特点,成为利用遥感手段获取灾区受损情况的首选设备。其与光学基准图像的配准和变化检测成为了遥感图像处理的研究热点。然而光学和SAR图像由于辐射差异、几何失真、噪声等原因难以获得共有特征,以及大场景图像因为海量的数据导致配准耗时长。为避免异源图像的各向异性带来的配准及变化检测困难,选择大面积均匀的水域区域作为其共性特征作为研究的基础。如何实现实时SAR水域图像与预存光学基准图的快速匹配、建立稳定的特征配准方法,实现光学和SAR水域变化检测是本章研究的重点。论文主要工作包括:(1)为了提高光学与SAR水域图像粗匹配的正确性和效率,提出了通过共性水域连通区域进行快速匹配的方法。针对传统匹配方法基于图像灰度建立相似性而难以实现光学与SAR水域图像的匹配问题,提出基于最小凸多边形和最小边界矩形的水域连通区域相似性度量方式,实现光学与SAR水域图像的粗匹配。提高光学与SAR水域图像粗匹配正确性的同时,避免了传统匹配方法的逐像素遍历,实现了快速粗匹配。(2)为了提高光学与SAR水域图像的精确配准的准确率和效率,提出了一种基于二次Otsu分割与SIFT的精配准方法。通过二次Otsu分割提高水域分割阈值的正确性,以水域暗区为显著特征,去除SAR图像非水域区域强散射形成的亮区域和光学图像多频段反射带来的差异,然后在SIFT算法获得初始匹配点的基础上,通过改进的空间一致性准则剔除误配点,提高匹配点的正确率,防止有过多错误匹配点导致RANSAC算法失配。实验证明,该算法提升了光学与SAR图像精配准的准确性和效率。(3)设计了一种基于SLIC超像素分割合并的水域对象分类提取方法。利用超像素分割和区域合并,保留典型地物结构特征,避免SAR图像相干斑噪声造成的水域孔洞和不连续性的产生,然后利用支持向量机实现水域对象的分类提取。然后针对由光学和SAR图像差异造成的几何误差、配准误差、分割分类误差等问题,给出了一种结合FCM聚类及多尺度决策融合的面向水域变化检测方法。利用对数比值法和FCM聚类获取、分析差异图,得到多尺度检测结果,最后通过决策融合获得最终变化信息。实验表明,该算法可以很好的实现光学/SAR水域变化检测。