针对地震灾害前后不同时期地貌纹理复杂的图像变化检测,大多数图像域的变化检测方法只是对图像的光谱或纹理信息进行简单的数据统计,并没有充分考虑图像中地物纹理信息的局部相关性和空间结构性,在分辨率较低的地震图像中对河流、湖泊等地物边缘轮廓的识别精度明显存在不足,同时受噪声等影响导致变化检测结果中出现较高的误码率和虚警率。因此,为了更好的弥补上述方法在地震灾害中检测的不足,本文结合多尺度技术和地物纹理分析等方法来优化变化检测算法模型,来提高地震灾害地区的图像中河流、湖泊等破坏类型的检测准确度,为灾区居民尽快的降低灾害损失和灾后重建等提供最可靠科学依据。本文提出了基于对数变差函数边缘纹理增强的图像变化检测技术研究,主要目标是提高地震图像中目标地物类型的边缘轮廓变化区域的识别精度,以弥补大多数检测方法在图像地物边缘变化检测的精度不足。首先设计了基于方向性对数变差函数的纹理分析模型,来对不同时期图像中地物的主要边缘进行识别及增强。然后设计了基于对数变差函数的纹理相似性检测模型VSSIM,来提取NSCT变换空间中不同尺度上的图像地物纹理差异特征。最后利用基于关联度的模糊C均值聚类方法来对差异特征进行准确分类,并利用区域生长方法来优化上述分类结果,提取最终的地震图像的变化检测结果。本文提出了基于NSCT自适应局部纹理分析的图像变化检测技术研究,主要目标是根据图像中不同局部邻域的纹理特征来进行针对性的地物纹理分析及增强,以弥补大多数检测方法在图像地物局部细节特征变化的检测准确度不够。首先利用图像局部邻域的均值和方差来描述不同区域地物纹理的差异性,并结合了多尺度技术来构造了基于NSCT自适应的图像局部纹理细节的增强方法,不仅可以保持图像源的基本纹理特征不变化,还可以重点突出图像中目标地物类型的边缘信息。有利于提取NSCT变换分解后不同尺度上的图像地物纹理差异性,以及地震区域的变化检测结果输出。实验分析可知,本文两种方法在地震图像地物类型的差异性检测中各有优势,变差函数纹理分析可以准确识别出图像中河流、湖泊等地表的边缘细节,自适应局部纹理分析也可以保留变化区域的细节部分和清晰的边缘结构,同时还降低了无价值噪声点对地物特征检测的干扰,为人们在防治灾害、灾害评估和灾后应急等方面提供可靠决策依据。