随着社会的进步与发展，城市化进程正在加剧。房屋的拆迁，基础设施的兴建，使得地理信息发生着日新月异的变化。准确及时的获取城市及其周边环境的变化，对于地理信息系统的更新，城市规划与监管，自然灾害预警和救援都起着至关重要的作用。　　 经过多年的发展，变化检测在理论和技术方面都取得了丰硕的成果。早期的变化检测研究由于时空分辨率的限制，主要应用在低分辨率的影像，所针对的问题也主要限于大范围、大尺度、高层次的宏观变化问题，主要基于光谱特征的方法。近年来高分辨率影像的出现，使得变化检测也逐渐向小尺度的方向发展，出现了不同的方法。此外，目前的方法大多是针对两类问题而提出的，只能解决变化与否的问题，不能得到具体发生了哪种类型的变化。　　 本文以不同时相的高分辨率遥感影像为研究对象，以检测目标级别的变化作为研究目标，结合计算机视觉与模式识别领域的理论与方法，对两类变化与多类变化检测问题进行了理论研究与实验分析：　　 ①根据需求整理构建了一个人工标定的变化图像数据库，分别针对变化检测的两类问题与多分类问题进行了标定和整理，使得模型参数的训练以及变化检测算法的评价具有可靠的标准。　　 ②针对两类变化检测问题，提出了一种基于特征点与局部特征的算法框架。本方法涉及特征点及其对应特征的提取，统计分类器的训练与应用。本方法在很大程度上克服了单纯基于像素的方法的易受噪声干扰的缺点。此外，针对不同时间卫星拍摄参数的不同引起的视差问题，提出了一种针对特征点的局部匹配算法，从而大大提高了此框架的应用范围和实用性。　　 ③在研究了两类问题的基础上，我们针对多类变化检测问题，提出了一种基于特征袋模型与支持向量机分类的方法。主要包含了特征提取与矢量量化，文档模型的表示，支持向量机核函数的选取。同时，通过应用概率潜在语义模型，来克服传统的文档模型特征字完全位置无关这一假设的限制，尝试利用目标的形状信息来进行变化检测。