及时、准确地检测与提取地表变化信息,对于优化人类有关地表环境保护和改造的各种决策具有重要意义,遥感影像是人类实施地表变化检测(以下简称变化检测)的主要数据来源。高光谱影像具备纳米级的光谱分辨率,它的出现为人类以更高的粒度精细地识别地物、发现细微(包括不可视)的地表变化提供了新的可能性,但由于空间分辨率的限制,高光谱图像中单个像元常常存在多种地物,成为了混合像元,要想充分利用高维的光谱信息,混合像元分解是我们不得不研究的一个问题。基于高光谱数据的变化检测已成为遥感领域的研究热点之一。相关的研究已取得了明显的进步,但仍存在以下一些不足:(1)分类后变化检测精度受到不同时相影像的分类精度限制;(2)高光谱数据中精细的光谱信息尚未得到充分地开发利用;(3)现有的大部分算法不能提供变化类型的检测结果。本文针对现有相关研究成果的局限性,提出基于特征子空间理论的高光谱影像覆被类型变化检测新方法并完成算法实现与案例研究,论文主要研究内容与成果如下:(1)本文提出一种粒子群搜索空间优化的端元提取算法,针对粒子群的搜索空间进行改进,并对纯净像元指数(Pixel Purity Index,PPI)较高像元的光谱特征进行排序,优化粒子群的初始位置及搜索空间,使粒子群搜索空间更加平滑,在迭代的进程中朝着正确方向移动。此外,本算法在演化过程中结合粒子的信息,对粒子的参数自适应调整,在缩小原始图像与反演图像的误差的同时对体积进行约束,在搜索端元的同时保持其原有的形状,使提取的结果更接近真实端元,提高了混合像元分解的精度。(2)提出了一种实用于高光谱影像变化检测的光谱特征子空间算法。首先,对两幅影像进行差值运算得到差值矩阵,然后将其中光谱矢量值较大的像元作为目标,采用对应像元及光谱特征构建背景子空间并进行投影;其次,对投影后的高光谱图像进行光谱解混,并通过阈值法分离出投影后图像中所包含的不同变化类型地物。本文充分利用高光谱影像的丰富的高维光谱数据,使用先投影再分类的方法,较好地克服了传统分类后变化检测方法易受分类精度影响和误检率较高的问题,提供了变化的类型,有效地提取到不同地物在两个时相间的变化情况。