遥感图像变化检测技术在环境检测、地理研究、工业生产和军事打击等领域的广泛应用使得该课题得到了学者们充分的重视。合成孔径雷达(Synthetic aperture radar,SAR)因其具有全天候监测日夜成像、覆盖面积广和分辨率高的特性,在处理环境恶化、城市变迁等实际问题上有着重要的实用价值。变化检测技术发展的方向是努力克服外部不利条件,有效区分出遥感图像中的变化区域。堆栈式神经网络能对图像的深度信息进行抽取,使变化检测结果达到更高的分类精度,是近年来的热门研究对象。针对SAR图像变化检测二分类任务,本文主要研究基于像素信息和堆栈式神经网络的变化检测方法,对传统变化检测流程中生成和分析差异图这两个步骤分别作出改进,并利用堆栈式神经网络提出一种新的变化检测框架。研究进展如下:1.提出了一种基于改进邻域比值和堆栈自编码器的变化检测方法。对邻域比值算法增加对数约束,构造出质量更好的差异图,以减少乘性噪声对图像的干扰;用堆栈自编码器分析差异图,修复上一步中不准确的分类区域。该方法去噪效果较好,变化区域的轮廓边缘信息也得到了很好的保留,在两个数据集上产生的变化检测图与参考图的一致性最高。2.提出了一种基于堆栈式神经网络特征提取和映射的变化检测方法。把原始图像输入神经网络来训练,省去了传统变化检测流程中预处理和构造差异图的步骤,是完全基于图像深度特征匹配、分析和分类的变化检测方法。通过对两个神经网络合理的参数设置,提高了变化检测的精确度。利用堆栈式神经网络能提取和组合出更鲁棒的图像特征,有效避免了相干斑噪声和非均衡信息对图像的破坏。