近年来,随着全球气候变暖,自然灾害频发,人们已经意识到环境保护的重要性,掌握地表覆盖变化信息对于监测自然环境,保护自然资源具有重要的意义。随着航空航天技术、遥感技术和计算机科学的迅速发展,利用遥感影像检测地表覆盖变化已经成为遥感应用领域的研究热点之一。遥感影像变化检测是通过比较分析某一区域在不同时期所获得的遥感影像,从而获取变化信息的一种检测技术。其在植被覆盖变化、城市扩展、自然灾害监测与评估等诸多方面发挥着重要的作用。然而,因地表覆盖物复杂,变化区域形状的不规则性以及传感器自身存在局限性,使得利用遥感影像检测变化区域的任务变得更加困难。为使遥感影像变化检测的结果更加精确,本文从不同尺度对遥感影像变化检测进行研究,并提出了两种遥感影像变化检测方法。(1)针对监督的遥感影像变化检测方法对标记样本的质量和数量要求较高,以及非监督的遥感影像变化检测方法未利用先验知识,导致检测结果不够理想的问题。本文提出了一种基于半监督的遥感影像变化检测方法。在没有真实地物信息的情况下,根据目标地物类型和差值图像的信息,给出了一种新的样本标记方法。然后采用KNN方法构造复杂网络,最后利用改进的复杂网络社团划分中经典的Wu-Huberman算法进行分类,从而得到变化检测结果。在两组遥感影像中进行实验,验证了该方法的有效性。(2)为了部分解决基于像素的变化检测方法所得到的结果易受噪声影响的问题,本文提出了一种基于超像素的遥感影像变化检测方法。该方法有效地结合了基于像素的变化检测思想与基于对象的变化检测技术。采用简单线性迭代聚类(SLIC)的超像素分割方法分别将两时相图像和差值图像进行分割,得到内部均质的超像素。利用超像素内部像素相似度较高的性质,堆叠三幅分割图,得到相同位置超像素的共同区域,并利用OTSU阈值法和多数投票法得到变化和未变化的标记样本。在此基础上,提出了一种基于计算像素与对象距离的相似性度量方法,将不确定像素划分为变化和不变化2类。最后利用差值图像的分割图进行后处理。经两组实验证明,该方法在抑制噪声方面具有优越性。