遥感影像变化检测是出现最早、应用最广泛的遥感数据分析技术之一。遥感变化检测能够提供地球表面大范围、长时间、周期性的地物变化监测信息,为研究地球生态系统变化和人类社会发展提供了丰富的数据,具有重要的研究意义和实用价值。随着遥感技术的发展,目前已经出现了面向不同层次观测任务的多种分辨率遥感数据,包括中低分辨率多光谱遥感影像、高光谱遥感影像和高分辨率遥感影像。不同类型不同分辨率的多时相遥感数据能够为地表变化观测提供变化区域、变化类型以及语义变化情况等多层次变化信息。然而,如何有效地提取多层次变化信息却面临着许多难题。首先,外界成像因素不同所造成的辐射差异使得真实变化信息难以识别；其次,高维光谱特征难以得到充分利用；最后,高分辨率影像所包含的语义层次变化信息难以分析。为了克服以上问题,充分挖掘多种类型遥感数据所包含的多层次信息,本文结合机器学习和模式识别领域的最新研究成果,对遥感影像多层次信息变化检测理论与方法进行了深入的探讨。本文的主要研究工作如下：(1)总结了遥感影像变化检测的经典理论和基本思路,按照预处理、变化检测、阈值分割、精度评价以及应用五个部分对变化检测研究进行了系统的介绍。在预处理部分主要介绍了数据选择、配准和辐射校正三个主要的预处理步骤。在变化检测部分根据不同分辨率数据介绍了传统遥感变化检测方法、高光谱遥感变化检测方法以及高分辨率遥感变化检测方法。接着详细介绍了阂值分割和精度评价中的常用方法,最后对变化检测目前的应用情况进行了概括和总结；(2)发展了针对多时相遥感影像分析的遥感慢特征分析理论,通过提取时间维不变特征,抑制外界成像条件不同造成的辐射差异,突出真实变化信息。根据这一理论提出了非监督、监督和迭代三种变化检测算法,通过未变化训练样本或迭代定权方式来排除真实变化像素对慢特征学习的影响,提高特征提取准确性,有效提高变化检测精度。提出基于迭代慢特征分析的自动相对辐射校正算法,根据迭代慢特征分析算法获取的像素权值自动计算对应波段间的线性关系函数,校正辐射差异,保持光谱一致性。针对地物变化较剧烈的影像,提出监督的自动辐射校正算法,用少量监督信息就可以寻找到正确的线性关系,实现自动相对辐射校正。提出基于慢特征分析的高光谱异常变化检测算法,通过慢特征分析获取最小化背景光谱变化的投影特征,在变化残差中高精度地检测异常地物变化。(3)研究基于子空间理论的遥感变化检测方法,利用子空间的方式来表达地物光谱特征,检测光谱特征变化,提取不同的地物变化类别信息。提出基于子空间距离的高光谱变化检测算法,通过对每一像素构建多时相背景子空间检测对应像素的光谱特征差异,并通过在子空间构建中加入空间信息和光谱信息来减小配准误差和抑制特定地物变化。提出基于独立成分分析的高光谱变化分析算法,利用独立成分分析算法在高光谱差值影像中提取独立地物的变化情况,实现不同地物的变化信息提取。提出了目标变化检测算法,将特定地物变化类型看作由变化前后地物光谱组成的特定类别,在叠加高光谱数据中采用目标探测的方法提取特定地物变化类型的分布情况。(4)首次提出场景变化分析的概念,利用高分辨率遥感影像在场景语义层次检测特定区域内土地利用类型变化情况。在理论上总结并讨论了场景变化分析的定义和研究意义,分析了其应用价值和面临的研究难题。实现了基于视觉词袋模型的遥感影像场景识别算法,通过实验验证了该方法的有效性并对参数设置进行了对比和分析,为场景变化分析研究提供理论和实验基础。提出了基于视觉词袋模型的场景变化分析框架,在字典学习中加入时间信息实现独立字典学习、叠加字典学习和联合字典学习,根据分类变化检测思想提出分类后场景变化分析和联合分类场景变化分析两种方式。实验证明了场景变化分析的有效性和应用潜力。