遥感图像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其他辅助数据来确定和分析地表的变化。SAR(Synthetic Aperture Radar,SAR)能全天时、全天候地对地观测,不受光照、气候等条件影响,具有其他光学遥感无法比拟的优势。因此SAR图像是变化检测重要的数据源。目前SAR图像变化检测在环境监测、农业调查、城市研究、灾害监测、军事侦察等方面有着重要的应用。尤其是自然灾害发生时,高效的变化检测技术能够及时地避免或减少人身伤亡和财产损失。SAR图像变化检测方法一般分为图像预处理、差异图生成、差异图分析三大部分,其中,差异图的分析对于变化检测结果至关重要。阈值法是差异图分析中常用的方法,因其简便快捷在变化检测中受到广泛应用,使得变化检测更为快速高效。本论文对于SAR图像差异图分析算法中的阈值方法进行分析探索,主要研究成果可概括如下:1、针对阈值方法在变化区域占比较小时检测结果虚警率过高的问题,提出一种基于迭代最大类间方差法的SAR图像小面积变化区域检测方法。首先算法对邻域比值法权值进行改进,利用结合了邻域信息的改进邻域比值算法生成差异图,对SAR图像斑噪进行抑制,同时对图像细节信息进行保留。然后通过迭代最大类间方差法对差异图进行分割。迭代最大类间方差法通过多次迭代获取变化元素与未变化元素分布相对均衡的区域,利用最大类间方差法计算该区域最佳分割阈值,并应用该阈值对差异图进行二值化,获取变化检测结果图。通过对小面积变化的SAR图像数据进行变化检测,实验结果证明该算法对小面积变化区域的检测效果得到显著提升。为验证算法普适性,对非小面积变化情况、以及图像噪声污染严重情况下真实SAR图像数据集也进行相应实验,实验表明算法精确度有所提升,且噪声鲁棒性更好。2、针对现有的KI(Kittler&Illingworth,KI)阈值方法的类条件分布模型对于改进邻域比值差异图拟合度不够的情况,提出了一种基于K分布KI阈值分割的SAR图像变化检测算法。该算法引入K分布模型来对差异图两类直方图进行拟合,K分布模型因其乘性衰落统计特性,被证明能对SAR图像非均匀区域较好拟合,从而得到广泛应用。但是K分布的参数估计相对复杂,考虑算法运行效率,本文采用快速的二四阶矩估计方法对参数进行估计。实验表明,K分布模型下KI阈值方法检测性能得到提升。