遥感图像的变化检测,是定量分析同一区域不同时间段的两幅遥感图像,从而获得两幅遥感图像之间的变化信息。合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动遥感技术,具有全方位,高分辨率,大面积覆盖的优点,它可以穿透覆盖物识别伪装,从而准确获取地面变化信息。因此,可以广泛利用于军事勘测与侦察,国土资源监测以及城市规划等方面。然而,SAR图像变化检测技术在当前的实际应用中仍面临诸多挑战,如:如何降低SAR图像噪声;如何在同一区域内准确获取不同时间SAR图像的差异图像;如何正确实现差异图像的分类;以及如何更准确地评估变化检测算法的性能。因此,研究SAR图像变化检测算法对于人们的现实生活具有重要意义。本文研究的目的是为了进一步改善提高SAR图像变化检测算法,提高检测结果的准确率。研究内容主要围绕如何降低SAR图像的原始噪声、如何获取较多信息的差异图像、如何对检测结果精确分类以及如何进行算法性能评估等方面而展开,并取得了如下的研究成果:1.提出了一种基于ROF模型半隐式去噪的SAR图像变化检测算法。首先,我们利用对数变换把SAR图像中的乘性斑点噪声转换为加性噪声;其次,利用半隐式差分格式求解ROF模型对噪声图像进行去噪;再利用差值法获取两幅遥感图像的差异信息得到差异图像;最后,采用模糊C均值FCM聚类算法对差值法获取的差异图像进行聚类,把最终的变化检测结果为变化类和未变化类。通过实验验证,本文算法进一步提高了SAR图像变化检测的检测效率,平衡了检测精度和运行时间。2.提出了一种基于ROF模型半隐式去噪和PCA融合的SAR图像变化检测。首先利用半隐式差分格式求解ROF模型对含噪声图像的进行去噪;其次,利用对数比值法和邻域比值法进行差异图像获取;再利用PCA融合算法对对数比值差异图和均值比值差异图进行差异图像融合,得到融合后的最终差异图像;最后利用模糊局部信息C均值聚类FLICM对最终的PCA融合后的差异图像进行聚类,把最终的变化检测结果为变化类和未变化类。通过实验验证,本文算法提高了变化区域的检测准确度,减少了检测算法整体的运行时间。