随着图像获取技术和手段的日益先进以及各种图像数据的海量积累，图像变化检测技术在资源和环境监测、地理空间数据更新、作物生长监测、自然灾害灾情监测与评估、打击效果评估、战场信息动态感知、军事目标和兵力部署监测等等方面的应用越来越广泛。其过程可以大致分为数据选择及预处理、运用适当的方法实现变化信息获取、后处理及性能评估三个阶段，其中后两个阶段的核心关键技术为变化检测方法和后处理中的鉴别技术，因此本文深入研究变化检测算法和鉴别技术具有重要现实意义。本论文对现存图像变化检测技术加以总结，提出了以多尺度变换为基础的图像变化检测算法。本文的主要工作如下：首先对图像变化检测基本理论、数学模型、详细处理流程、精度评估方法、主流图像变化检测算法做详细介绍。其中变化检测的方法有直接比较法、模型法、主成分分析法；精度评估方法有像素精度评估方法、面积精度评估方法与kappa系数评估法。对多尺度变换各个方面做了说明，并且对多尺度分析中的小波变换做了详细介绍，从普通的离散小波变换到对偶树复小波变换。还对其在图像处理中的应用进行了阐述。最后还对两种小波变换做了实验，通过对比分析实验结果得出对偶树复小波变换在图像变化检测中能够更好的表现出图像的纹理与细节特征。针对传统图像变化检测算法存在的优缺点，本文提出了基于对偶树复小波变换与主成份分析法（PCA）结合的图像变化检测方法。该方法首先对两幅输入图像分别在不同尺度上做对偶树复小波变换，然后用PCA对变换差分后的各个尺度与方向上的图像进行特征提取并降维，然后用k均值算法对特征进行分类，最后融合各个尺度间与尺度上的变化检测图像得到最终的变化检测结果。对该算法在matlab上做出的仿真实验，实验结果表明该方法的能够有效的检验出图像中发生的变化，而且通过与其他方法对比该算法的抗噪性有一定的提高。