高空间分辨率遥感影像为土地利用/土地覆盖（LULC）状况的监测提供了丰富的地面细节信息，使得高分辨率遥感影像变化检测研究成为当前遥感研究领域的热点之一。现有的两类高分辨率遥感影像变化检测方法（监督方法和非监督方法）都存在着自身的优势和不足以及不同的适用范围，二者结合则可以提高变化检测的精度，扩大算法的适用范围。分类器集成算法能够综合利用多种分类器的优势提高算法的泛化能力和分类精度，因此集成算法为监督变化检测方法提供了新的研究方向。　　论文构建了两种多分类器集成算法用于高分辨率遥感影像的变化检测，并通过实验证明了所提出的方法能够提高高分辨率遥感影像变化检测的精度和自动化程度。论文的主要成果如下：　　（1）在高分辨率遥感影像中提取纹理特征和形态特征并结合原始的光谱特征构建了多源特征集用于变化信息的提取，并利用空间信息对初步变化检测结果进行约束，减少了“椒盐”噪声的影响。　　（2）结合非监督变化检测算法，对原始的训练样本自动选择方法进行改进，利用两组变化阈值范围代替一个阈值自动选择训练样本，使获取的训练样本分布更加均匀合理，进而提高检测精度和监督变化检测方法的自动化程度。　　（3）构建了两种多分类器集成系统用于高分辨率遥感影像变化信息的提取。根据高分辨率遥感影像的特点，选择三种分类器作为基分类器，并使用同质集成策略和异质集成策略构建了两种多分类器混合集成系统用于提高高分辨率遥感影像的变化检测精度以及运算效率。