植被是地球生态系统的重要组成因子之一,及时获取植被盖度动态变化信息对研究生态环境的变化具有重要意义。本文对变化向量分析(Change Vector Analysis,CVA)方法中变化像元选取的过程进行改进,并结合遥感影像降噪方法以提高植被覆盖变化信息提取精度,首先用最小噪声分离变换(Minimum Noise Fraction,MNF)降低影像中的噪声影响,然后利用变化强度和相关系数的双参数法确定变化像元,同时利用纯净像元指数(Pixel Purity Index,PPI)和n维可视化方法选取地物类别端元,作为人工神经网络(Artificial Neural Network,ANN)分类的样本对降噪后的图像提取植被盖度信息,最后综合变化区域数据和植被盖度提取植被变化信息。研究表明：采用两个特征参数估算变化像元获取的精度要比单一特征获取的精度较高,改进后的方法可以较好地处理非线性因素影响,总体上具有较高的精度。