随着科学与信息技术的不断进步,与人类社会密切相关的自然地表景观及其利用形式无时无刻不在发生着变化,及时准确地检测出地球表面土地覆盖的变化情况,对于正确认识人类与地球之间的关系、合理有效利用与管理自然资源、实现经济与社会的可持续发展具有不可替代的重要作用。由于遥感对地观测具有大范围、全天候的特点,基于遥感影像的变化检测是目前遥感应用领域的研究热点。随着影像空间分辨率的提高,地物的细节更加丰富,为变化检测提供了更好的观测方式,与此同时,地物中“同物异谱,异物同谱”的影响也越发明显,给变化检测带来了很多难点。如何快速提取出变化信息,并且满足人们对自动化程度和精度的需求是一个任重道远的漫长探索过程。本文针对高分辨率遥感影像的变化检测进行研究,通过对高分辨率遥感影像进行面向对象的多尺度分割,进而对所形成的影像对象矢量图斑进行特征提取,综合考虑了其光谱、形状和纹理特征,并且将对象空间位置关系上的邻域特征作为研究的重点,提出了一种基于面向对象的多特征综合高分辨率遥感影像变化检测方法。首先利用QuickBird影像进行了基于空间邻域特征的变化检测实验,将检测结果与传统的差值法和分类后比较法进行对比,发现其在检测精度上具有明显的优势。最后通过多特征重要性分析,综合选取了影像对象的光谱均值?,标准差?、面积s、亮度值b、长度l、宽度w、最大差值d,以及对象空间位置关系上的邻域特征D,构建出一个一维特征向量V,计算前后时相影像对象的综合特征向量V的相关系数,通过一个合适的阈值来判别对应图斑是否发生变化。在进行以上的自动变化检测时,为保证相对较低的漏检率,对阈值设置较为严格,从而造成较高的虚检率,因此需要对伪变化信息进行剔除。首先对自动变化检测的结果进行非监督聚类,主要采用的方法是ISODATA聚类。经过聚类后的变化检测结果会产生n个具有相似性质特征的类别,这里边有大量的伪变化信息,但这些伪变化信息的分布情况是有其相应规律可循的,我们可以在人工目视解译判断的辅助下,与计算机进行交互,通过这样的方式找出伪变化信息,与聚类的结果进行匹配。经过一定数量的验证后,可以判定这n个类别中的某个类别或者某几个类别的特征性质全都与伪变化区域所表现的特征一致,那么这种情况下我们就可以将这一类别进行整体的删除,进而快速提取这些伪变化信息。这种处理方式是批量联动的,相较于以人工逐一图斑的检查,效率得到了较大的提升,准确度也得到了保证。为了对理论研究进行验证,变化检测实验选用湖南省涟源市作为研究区。影像的成像时间分别为2015年和2016年的夏季,空间分辨率分别为1m和2m,无云雾干扰,地物轮廓清晰,特征明显,成像条件良好。以人工勾绘的实际变化区域作为本次实验评判的标准,与自动检测结果进行叠加对比分析,经过变化检测误差矩阵相关统计量的计算验证,各项检测指标如下:总体检测精度为94.55%,Kappa系数为59.26%,漏检率为3.57%,虚检率为54.55%。经过半自动人机交互剔除后,总体检测精度为98.76%,相较之前的94.55%提高了4.21%;Kappa系数为86.34%,相较之前的59.26%提高了27.08%;漏检率为9.29%,相较之前的3.57%上升了5.72%;虚检率为16.45%,相较之前的54.55%下降了38.10%。检测结果的综合评价得到了明显改善。可见,该方法在大尺度范围的遥感影像变化检测中具有一定的参考价值。为国家制定和实施有关发展战略与规划、优化国土空间开发格局和各种土地资源的优化配置,推进生态环境保护、建设资源节约型和环境友好型的社会提供一定的理论支持和决策分析。