随着观测项目的不断发展,社会各界对遥感图像变化检测精度提出了更高的要求。合成孔径雷达(Synthetic Aperture Radar,SAR)图像可以不依赖于大气和阳光条件获得,在变化检测中有着独特的优势。因此,近几十年来,合成孔径雷达图像已成功地应用于环境监测、城市研究和灾害评估等领域。然而,由于SAR图像上固有的斑点噪声的存在,使得基于SAR图像的变化检测变得困难。为此,本文就如何有效提高SAR图像变化检测精度及增加变化检测算法的实用性展开研究。主要的研究成果如下:(1)为了充分利用局部二进制模式(Local Binary Pattern,LBP)分类能力强、计算复杂度低、特征鉴别力较高、对单调的灰度变化具有不变性、且能结合图像整体特征的特点,同时增强算法对SAR图像斑点噪声的鲁棒性,提出了改进LBP和FCM的SAR图像变化检测的方法。实验结果表明:算法具有很好的检测性能,不仅较好地提高了算法对斑点噪声的鲁棒性,而且明显提高了变化检测的精度。(2)针对斑点噪声影响SAR图像变化检测精度的问题,基于深度学习理论,提出基于堆叠稀疏自动编码器(Stacked Sparse Automatic Encoder,SSAE)的SAR图像变化检测方法,将SSAE运用到SAR图像的变化检测中,用以提取图像的深层特征,减少SAR图像斑点噪声对变化检测的影响。实验结果表明:SSAE对SAR图像斑点噪声具有较高的鲁棒性,可以有效的提高变化检测精度。(3)为了增加SAR图像变化检测方法的实用性,本文基于MATLAB R2013a平台,利用GUIDE建立图形化用户界面(Graphical User Interfaces,GUI),以此来对本文提出的两种SAR图像变化检测方法进行软件设计。通过将设计的软件分别在三组数据集上进行测试与应用。实验结果表明:SAR图像变化检测软件的设计与应用,有效提高了变化检测的自动化能力,增加了算法的有效性与实用性。