本文研究的是遥感图像领域的变化检测。本文中介绍的变化检测研究方向有同源图像变化检测和异源图像变化检测。遥感图像变化检测技术主要用于检测卫星在同一地点采集的不同时相两幅图像的相同和不同点。由于遥感技术和卫星技术的不断进步,遥感图像变得越来越易于获取。人们可以根据得到的大量遥感图像了解某一个城市的发展和变化,了解湿地面积的增加或者减少以及快速在地震或火灾时候进行救援。具有不同特征空间、多通道、高分辨率等特点的图像被越来越多的使用,很多该研究方向的技术都被改进和提出。同时伴随着计算机技术的发展,深度神经网络技术得以长足进步。并且深度神经网络应用到了很多方面,尤其在图像领域的研究成果丰富。本文前面部分是研究同源图像的变化检测,最后部分是异源遥感图像变化检测的研究,实验基于的图像数据集主要是灰度图和光学图像。本文包含三个具体的研究工作:1)第一个工作点是基于二值图像融合的胶囊网络同源遥感图变化检测法。首先使用对数比(log-ratio,LR)算子方法对两张原始图像进行对数比计算得到粗略的差异图像,然后使用一种模糊聚类方法Fuzzy C-means(FCM)对差异图像进行分类,得到初始的分类二值图。最后分别根据两种不同大小的图像框挑选训练样本,再将该图像输入胶囊网络中进行训练得到的两个变化检测结果图进行二值融合,得到最终的变化检测结果。2)提出了基于Kittler and Illingworth(KI)阈值法和深度胶囊网络的同源遥感图像变化检测方法。该方法先计算两张原始实验图像的像素相似度,得到相似度阈值,再使用KI阈值法分别对两张原始实验图像进行分割,之后两已分割图像与相似度阈值进行比较,每个位置处的像素得到粗略分类。然后再根据在分类结果图的图像块中和中心像素分类结果相同的比例来挑选训练样本。深度胶囊网络提取高级特征信息,变化信息显示在最终的结果图中。3)由自组织特征映射(Self-organizing feature Map,SOM)网络、深度胶囊网络和图像映射方法组成了异源遥感图像变化检测方法。初步由自组织特征映射网络对两张原始实验图像进行粗略的识别,得到变化区域和未变化区域。然后在得到的未变化区域中,挑选一些小的图像块以用于图像映射。图像映射方法是根据这些未变化的小图像块进行计算,分别将位于不同特征空间中的图像像素进行转换。转换后的像素和另一张原始实验图像具有相同或者相似的特征空间信息。因而,转换后的图像可以和另一张原始图像直接进行比较。分别转换两张原始实验图像,再分别和另一张原始实验图像进行比较,得到两张差异图。将这两张差异图进行融合,得到差异图以用于挑选样本和训练。将两幅原始实验图输入到训练好的深度胶囊网络中,分类结果显示了检测到的变化信息。