遥感图像主要分为航拍图像和卫星图像,包含大量的光谱信息,通过对遥感图像的分析处理可以获得丰富的地物信息。作为遥感图像处理的一个重要研究方向,变化检测通过对比不同时相的遥感图像,可以获取地物信息的变化,对地表信息进行动态监测,已经成为遥感图像处理领域的研究热点之一。目前已有大量的变化检测方法被提出,但是由于有监督变化检测方法人工标注的高成本和高复杂性以及无监督变化检测方法的检测精度不高等不足,其实用性受到限制。针对以上问题,本文提出了两种遥感图像变化检测方法。主要研究内容和创新包括:1.提出了一种基于低秩表示正则化判别字典学习的多光谱图像无监督变化检测方法。由于地物和统计性质的不同,所改变和未改变的像素来自不同的子空间,因此,采用低秩表示方法从差分图像的超像素表示中挑选变化和不变化超像素。此外,考虑到被观测场景中变化像素的稀疏性,设计了用于区分这些像素的选择规则。然后,从这些像素点出发,推导出判别字典学习过程,用于训练变化字典和未变化字典。最后,通过比较差分图中每个像素在变化字典和未变化字典上的重构误差来估计变化图。通过低秩表示,可以为后续判别字典学习找到更多具有代表性的像素点,有效地提高了算法的性能。本方法在Landsat卫星多时相图像上进行实验分析,验证了有效性。2.提出了一种基于深度孪生网络的多光谱图像变化检测网络框架,该网络框架分为有监督预训练和有监督微调两部分。其中有监督预训练部分由网络权重完全一致的两个孪生子网络构成,其训练目的为使不同时相同一位置变化像素之间距离更大,不变化像素之间距离更小,达到易于分类的效果。孪生子网络中的网络层根据遥感数据的特殊性,借鉴语句分类网络进行了设计。有监督微调网络由全连接层和softmax分类器构成,对像素点进行分类达到变化检测的效果。本方法在OSCD数据集和Landsat遥感数据上进行对比实验验证了有效性。