遥感影像变化检测是一种通过对同一区域不同时刻的遥感影像进行算法识别从而确定该区域地表覆盖变化的技术。面向对象的遥感影像变化检测方法由于其基于对象的本质,能够充分考虑高分辨率遥感影像中丰富的纹理信息,被越来越多的学者应用于高分辨率遥感影像变化检测领域。基于此,本文对面向对象的遥感影像变化检测方法开展了深入研究。本文所做的研究工作主要包含以下两个部分:(1)针对面向对象的变化检测方法中,影像分割尺度不确定导致的分割获得的影像对象质量不高这一问题,提出了最优分割尺度求解模型。该模型首先建立了分割尺度质量评价公式,计算不同尺度下的分割质量评价指数,并通过多项式拟合的方式获取“分割尺度-分割质量”函数关系式,最后求解函数的峰值来获取最优分割尺度。改进的最优分割尺度求解模型除了将光谱特征引入评价,还利用灰度共生矩阵引入了影像的纹理特征,能够更加充分的利用高分辨率遥感影像中纹理信息丰富这一特性。(2)针对面向对象的变化检测方法中,对象特征的质量参差不齐这一问题,提出了一种基于Relief-PCA特征选择的变化检测方法。在最优分割尺度下,首先对叠加的两时相遥感影像进行分割获取影像对象,并提取影像对象在各个波段中的光谱特征与纹理特征;然后利用Relief-PCA方法对影像对象的特征进行优选降维,并对降维后的特征进行CVA变化强度求解,利用模糊C均值聚类的方法获取变化检测结果。这种方法不但通过Relief算法筛选出高质量的影像特征,还利用PCA算法消除了所选特征之间的特征冗余,能够更加有效地利用影像对象的多种特征。为验证本文方法的有效性,共引入四种已有方法与本文方法进行对比,实验结果表明,引入纹理特征的最优分割尺度求解模型获取的最优分割尺度相对于传统模型效果更好;利用Relief-PCA算法引入高质量影像特征能够有效提升变化检测结果精度。