遥感图象变化检测是图象处理领域一个重要分支,在许多方面得到广泛应用。目前,图象变化检测主要有两类方法,即监督变化检测方法和非监督变化检测方法。前一种需要利用先验知识,而后一种除了利用原始图象信息外,不需要任何另外信息。由于先验知识并不是很容易获得的,所以在许多实际应用中非监督图象变化检测方法是一种基本方法。非监督图象变化检测过程通常可以分为预处理、图象比较(得到差异图象)和差异图象分析三个步骤。本文主要研究差异图象分析,首先介绍目前广泛应用的图象变化检测方法,然后采用两组人工合成图象和一组实际图象,分别研究了基于像素的非监督变化检测方法和基于区域的非监督变化检测方法的检测过程。基于像素的非监督变化检测方法,通常只考虑差异图象灰度信息,没有考虑其邻域特征。虽然算法比较简单、运算量小、速度快,但是检测精度不高、抗噪性能差,通常应用在需要实时、但精度要求不高的系统中。一般较精确的检测都是采用基于区域的非监督变化检测方法,既考虑差异图象灰度信息,又考虑了其邻域特性,一定程度上可以提高检测精度、增强抗噪性能。但是运算量大,速度慢,同时又忽略差异图象边缘像素和强噪声点,或简单地判给变化或非变化类别,给图象变化检测精度带来一定程度的影响。本文针对典型算法存在的不足,充分利用差异图象灰度空间分布信息和差异图象灰度-邻域平均灰度二维直方图的聚类特性提出了三种非监督变化检测方法,将差异图象所有像素分成变化和非变化两个类别。①依据差异图象二维直方图一般能够呈现明显的变化与非变化聚类区域,提出了二维方向模糊检测法;②依据二维直方图特点和聚类性质,提出了二维迭代调整检测法;③依据二维直方图中非变化聚类峰为椭圆锥体的性质,提出了二维非变化聚类特性检测法。理论分析与实验结果表明本文提出的三种非监督图象变化检测算法比传统的二维检测算法能够获得更加准确的检测效果,更强的抗噪性能和更快的检测速度。