随着遥感技术的发展，遥感器的分辨率越来越高，遥感影像所包含的信息也越来越丰富。利用遥感影像进行空间信息更新发挥着越来越重要的作用。本文面向遥感变化检测关键技术研究，开展了两个相对独立的研究工作:一是中低分辨率光学遥感影像的自动配准;二是高分辨率卫星影像的城市建筑物变化检测。　　针对遥感影像自动配准，首先从图像配准的数学含义、遥感影像配准的基本环节、图像配准技术的分类等三方面对遥感图像配准技术做了简要的介绍和综述;其次，描述了一个基于特征和灰度的高精度自动配准算法。该算法将研究范围定在中低分辨率影像的配准，并为之建立仿射变换的配准模型。在基于特征的粗配准阶段，首先提取影像的封闭边界特征和显著点;然后在建立的边界匹配测度和相应的搜索策略下，由匹配的封闭边界获得数量较少的基元控制点，最后由这些基元控制点拟合粗配准的变换参数。在基于灰度的细化配准阶段，通过参考图像和粗配准变换图像之间的显著点片灰度相关匹配，产生数量较多的点片控制点，不断迭代更新控制点来修正变换参数，提高配准的精度。　　针对高分辨率卫星影像的城市建筑物变化检测，提出了先提取建筑物后比较的变化检测方法。在建筑物自动提取方面提出两个算法，一是基于聚类分割和边缘检测的城市建筑物提取算法，二是基于阴影线索的城市建筑物提取算法。基于聚类分割和边缘检测的算法首先运用多峰直方图聚类将图像分割成多类;然后从每一类分割图像提取ROI区域;最后对ROI区域进行边缘检测和Hough变换以形成建筑物的封闭边界描述。基于阴影线索的算法在建立的“阴影区的建筑物边”和“建筑物目标的阴影边”两个概念的前提下，首先基于阴影的方向提取阴影区域的建筑物边，并根据建筑物边和阴影边地互相临近的关系，在边缘图像中寻找建筑物目标的阴影边;然后由建筑阴影边开始在边缘图像中完成建筑物外边界的跟踪;最后依规则对跟踪结果进行后处理以获得建筑物的封闭边界描述。在建筑物自动提取后的变化分析中，首先对建筑物提取结果进行简单比较获得变化图像，然后参照变化图像，对提取的每一个建筑物目标进行比较和分析，以判断建筑物目标是否发生了变化，并指出发生变化的类型。