城镇化过程的快速推进导致人地关系矛盾不断加剧,因而对科学把握新型城镇化道路提出了更为严苛的要求。作为城镇区域变化的主要内容,建筑物变化信息的快速提取对涉及城镇规划布局、违章建筑管控、基础地理信息数据库动态更新等系列应用领域具有极其重要的现实意义。日趋常态化的高分辨率卫星遥感影像获取为自动建筑物变化检测引领了新的科学视野,但受制于影像的光谱复杂性及建筑物本身的色调、形状、尺度差异的双重影响,使得基于多时相高分辨率遥感影像的建筑物变化信息自动提取仍然亟待系统化的理论研究与方法创新。影像地物目标的变化必然反映于特征的变化,稳定且丰富的空间特征能够从不同角度对建筑物予以描述,因此通过构建并融合差异特征集提取建筑物变化信息具备充分的理论可行性。针对目前多特征融合在高分辨率遥感影像建筑物变化检测方面存在的若干不足,本论文引入了形态学建筑物指数(Morphological Building Index, MBI)与Dempster-shafer(D-S)证据理论,探索了建筑物的多特征表达与差异特征集融合方法,进而实现自动、准确的建筑物变化信息提取目标,主要研究内容包括：1.针对原始MBI算法在建筑物与背景反差较弱时描述效果欠佳的问题,借助自适应对比度增强算法增强建筑物与周边地物的局部反差,弥补了MBI在这类情形下存在的建筑物特征描述问题；其次,原始MBI算法采用单组结构元素,无法兼顾影像上尺度差异较大的建筑物,因而提出利用大、中、小3组跨度较小的结构元素分别提取MBI特征再求最大值的方法达到了对不同尺度建筑物的完整表达。2.以改进后的MBI作为建筑物描述的基本特征,增加GLCM纹理、相位一致性边缘、像元形状指数PSI等空间特征组成特征向量集,再将结构相似度判别后的特征相似度作为指示建筑物变化的信息源,弥补了单纯依靠MBI易造成较高虚检率的不足。3.通过分析各特征向量相似度对于建筑物变化的贡献度,引入权重因子构建其对应的基本概率赋值函数,有效地突出了优势特征,然后利用D-S证据融合理论进行变化信息证据合成并依据决策规则判决是否发生建筑物变化。两组建筑物场景差异较大的实验正确率分别为93.26%与93.77%；虚检率分别为3.3%与1.76%；漏检率分别为3.44%与4.47%。其次,通过对三组不同分辨率级别的影像数据集分别进行实验,结果表明分辨率提高到亚米级后除虚检率大幅提高外,总体影响不大。因而全面证实了本文方法应用于高分辨率遥感影像建筑物变化检测的有效性。