遥感图像变化检测技术是指通过对比和分析同一区域不同时相的遥感图像,检测得到该地区的地物变化信息。随着遥感技术的发展,遥感图像变化检测已经成为遥感应用的一个重要方面,在国民经济和国防建设等领域得到了广泛应用。例如,资源的探测利用、环境的监督保护、灾害的预警防治等。这些基于土地利用/覆盖变化检测的应用对遥感图像信息提取的结果有较高的要求,灰度遥感图像或原始遥感图像已经远远不能满足应用需求,而且彩色图像与灰度图像相比,信息可视化效果更好,信息的层次性也更佳丰富。基于彩色图像的信息提取,能进一步丰富提取的内容,提高提取的鲁棒性和准确度。因此,如何实现对彩色遥感图像的变化检测逐渐成为一个新的研究热点。遥感图像的变化检测算法根据分析层次的不同可分为像素级、特征级和目标级三类；根据是否先要对遥感图像进行分类可分为分类后比较法和比较后定标法两类。本文所提出的算法属于像素级的分类后比较变化检测算法。如何对遥感图像精确分类,是遥感图像分类后比较得到变化检测结果的重要基础。为了实现对遥感图像更加精确分类,本文基于支持向量机分类的基本理论,提出将遥感图像的颜色和纹理特征相结合作为分类的特征向量,从多个方面更加详细地对遥感图像的内容进行描述,实现对遥感图像更好的分类。基于本文的遥感图像分类算法,提出了对不同时相遥感图像的支持向量机分类矩阵进行逐元素对比得到变化检测结果的新算法。并以河南省洛阳市某村庄和云南省昆明市某水库为例,分别对村庄土地利用和水库水位变化情况进行了检测,实验结果表明,本文算法简洁、准确,具有较高的实际应用价值。