遥感技术是近几十年来兴起的一门综合性学科,遥感图像特征提取和变化检测研究是遥感研究领域里的热点问题。特征提取是模式识别和机器学习的基础,是目标识别必不可少的前提。变化检测则是对地物目标变化发展情况进行动态研究的一种技术,目前在民用和军事方面都得到了广泛的应用。遥感图像上研究目标多种多样,本文选取了和人类生产生活密切相关的建筑物作为研究对象,主要完成了以下内容：(1)将面向目标模型应用到遥感图像领域,将遥感图像看作是一个具有分类层次的系统,提出了一种面向目标的图像特征提取方法,提取了建筑物目标的纹理特征并将建筑物从图像上分割出来。面向目标的图像特征提取方法首先利用综合小波变换和K-mean聚类算法的改进的K-mean聚类方法对遥感图像进行了聚类,对待分类遥感图像进行小波变换分解,得到三个高频和一个低频四个分量,然后挑选遥感图像上十二个典型地物区域进行小波变换分解,这十二个区域包括建筑物、植被和水域,根据遥感图像的四个分量以及这些小区域的四个分量计算欧氏距离,并进行K-mean聚类,得到分类结果之后将建筑物区域分割出来并提取建筑物区域的纹理特征,然后根据建筑物区域和其他地物区域纹理特征值的差别进行阈值区间分割得到建筑物区域的二值图像,并进行伪彩色处理。(2)提出了一种综合像素级和特征级的变化检测方法。像素级变化检测和特征级变化检测属于不同层次上的变化检测方法,像素级变化检测可以检测到所有地物的变化信息,但是无法区别变化地物类别,特征级变化检测可以根据地物特征信息检测具体地物的变化信息,但是计算特征统计量较多,本文将两种方法结合起来以达到综合其优点的目的。首先对两时相遥感图像进行基于像素比值法的变化检测,得到地物变化区域,这个区域包含建筑物变化在内,然后将这个变化区域叠加到两时相原遥感图像上,再分别提取这个区域上的纹理特征和色调特征,并设置合适的阈值区间将建筑物区域分割出来,最后采用逐像素比较的方法将建筑物变化信息提取出来。本文提出的方法均用实验和其他方法比较的方式验证了本文方法的有效性。