随着遥感技术发展，大量的多元异构遥感数据得以获取，为对地球表面进行及时的、精确的变化检测提供了大量的数据基础。但是，各种遥感数据在发挥各自特点的同时也对变化检测方法提出了挑战。如，高分辨率遥感影像削弱了混合像元的影响，但带来了更大的空间复杂性。又如，各种遥感数据能够在变化检测的空间和时间上形成互补优势，但成像机理不同、数据处理基础不同的遥感数据的综合处理也成为了综合利用这些数据资源的难点。如何最大程度地发挥已有遥感数据在变化检测中的作用，发展多元遥感数据分析与处理技术有重要意义。本文从高分辨率遥感影像的变化检测、结合机载LiDAR数据与航空影像的多元变化检测方面入手进行了深入研究，论文的主要工作包括：

(1)研究了基于计算机视觉原理的地表覆盖变化检测方法。分析了目前基于纹理特征遥感变化检测技术的主要问题，针对多时相影像需要独立计算纹理，需要较大计算量的问题；以及很少有方法顾忌时间维度的纹理信息，主要是利用地学统计中方法进行纹理的提取，从而方法单一等问题。提出了顾及时间维度纹理的变化检测方法--基于光流动态纹理(optical flow dynamic texture，OFDT)的高分辨率遥感影像变化检测方法，利用计算机视觉领域的OFDT构建多幅高分辨率遥感影像之间时间维度纹理描述变化信息，能够有效应用在高分辨率遥感影像的变化检测中，提高变化检测精度。

(2)研究了基于人类视觉原理的地表覆盖变化检测方法。分析了目前广泛使用的人工可视化变化检测的流程和生物视觉过程。根据人类视觉发现影像间差异的过程，在显著图原理的基础上，提出了遥感影像间差异信息的显著图原理。通过构建基于PCA正交变换的强度特征图、基于影像差值的颜色对立特征图、基于光流动态纹理的方向特征图，经过金字塔图像跨层合并及归一化后，形成从“特征图”到“醒目图”到“显著图”的遥感影像间差异信息显著图框架。对生成的“差异信息显著图”，再通过设置相邻像元灰度变化阈值和变化地物最小尺度(像素)阈值来有效提取变化图斑。

(3)研究了高分辨率遥感影像分类方法。从面向对象分析的角度入手，对高分辨率遥感影像的分类方法及其在变化检测中的应用进行了研究。由于分类结果会直接影响变化检测结果，针对基于多规则的高分辨率遥感影像分类方法中分类特征选择依赖人工选取，不同操作人员在分类特征的选择上的个体差异会间接影响分类精度的问题，提出了一种基于J-M距离的多规则高分辨率遥感影像分类方法，引入J-M距离作为量化的特征选取标准，能够有效提高分类的自动化和去个体差异化的程度；并将该分类方法用于高分辨率遥感影像变化检测，能够获得较好检测精度。

(4)研究了多元遥感建筑物目标变化检测方法。分析了目前利用机载LiDAR数据与航空影像进行建筑物目标变化检测的特点与问题。针对联合分类对数据丰富性要求苛刻、过度依赖NDVI等航空影像特征、对LiDAR高程信息、建筑物几何信息利用不足等问题，提出一种利用机载LiDAR与航空影像进行建筑物目标变化检测的新方法，充分利用可见光数据的光谱、纹理特征以及LiDAR数据的高程信息，利用多规则分类算法解决这两种异元异构数据间建筑物变化检测问题。每个时相仅需要单一一种数据，不需要多种数据联合分类，能够对建筑物目标进行有效的变化发现。

(5)研究了变化检测后处理方法。针对前面的利用机载LiDAR与航空影像进行建筑物目标变化检测的方法，分析了由于建筑物侧立面信息形成的伪变化特点，提出了一种结合面积阈值的形态学后处理方法，能够有效去除大部分建筑物目标伪变化。