变化检测作为地理国情监测的基础工作为国家城市发展提供科学决策依据。遥感影像的变化检测就是依据不同时间的多次观测来确定某现象变化的过程,从而对提取得到的变化信息进行评估。由于单一特征的变化检测方法不能得到准确的结果并且存在较大的不确定性,而不同的特征能够从不同的角度出发表示影像,并且多特征融合可以增强影像中地物的可识别能力,从而提高影像检测的准确率。因此本论文将围绕空-谱特征结合的变化检测方法展开进一步的研究。论文主要的研究内容和成果如下:(1)针对传统单权重空-谱特征结合中不加区分对光谱和纹理变化幅度影像中每个像元赋予固定的权重,无法同影像中的地物自适应的变化的问题,基于一幅遥感影像中同质区域和非同质区域表达差异的不同,设计一种双加权融合光谱和纹理特征的策略,实现像素级和对象级框架下的双加权融合方法。首先,分别构造光谱和纹理变化幅度影像,同时基于两种影像定义权重来设计双加权模型;其次,利用该模型生成空-谱融合影像;最后,根据大津法确定最终变化区域。Quickbird影像实验结果表明了该方法与仅采用光谱特征的变化向量分析法(总错误率=12.10%,整体精度=87.90%)及单权重变化向量分析法(总错误率=9.44%,整体精度=90.56%)相比,其在总错误率、整体精度综合指标等方面均取得了更好的结果(总错误率=6.49%,整体精度=93.51%)。(2)结合稀疏表示理论设计一种空-谱特征双字典交叉稀疏表示的变化检测方法。该方法在传统特征融合加权方法的基础上,首先,通过提取样本训练得到字典进行稀疏表示,利用该表示来分别构造光谱特征差异影像和纹理特征差异影像,其中稀疏表示通过采取交叉表示的方式来减小结果的不确定性;其次通过权重结合成新的差异影像;最后利用K-means聚类法实现变化像素和未变化像素的分割。Quickbird影像实验结果表明了该变化检测方法的有效性(总错误率=4.32%,整体精度=95.67%)。(3)为提高变化检测的精度,更好的利用空-谱信息,设计了一种多任务空-谱特征联合稀疏表示的变化检测方法。首先,将影像在单个特征下的稀疏表示当作一个任务,通过稀疏表示模型获取每个特征通道下的表示,不同特征的稀疏表示系数具有相似的结构,与此同时结合了像素空间邻域信息;其次,通过训练样本得到联合字典集,并构建多特征联合稀疏表示模型,以此来实现影像的变化检测。Quickbird影像实验结果表明,该方法能够充分挖掘不同特征间的联系,使得检测结果更加精确(总错误率=3.20%,整体精度=96.79%)。