遥感图像变化检测一直是遥感图像处理研究的热点之一。高光谱遥感光谱分辨率高,能提供更为丰富的地球表面信息。随着遥感技术的发展,在同一地区获得多时相高光谱遥感影像序列成为可能,高光谱遥感变化检测研究逐渐引起了关注。由于空间分辨率的限制,高光谱图像中混合像元普遍存在,导致传统硬分类后比较的变化检测方法无法直接用于高光谱图像的变化检测,因此,研究高光谱图像的变化检测,必须考虑混合像元分解问题。另外,变化向量分析是一种先比较后分类的多类变化检测方法,充分利用了多/高光谱图像的所有波段数据,对图像变化区域的检测性能优于只用单波段数据的差值法和比值法。本文以高光谱图像的光谱解混为基础,结合变化向量分析算法,研究了高光谱图像变化检测算法。论文的主要工作包括:(1)针对多时相高光谱图像像素级的多类变化检测问题,提出一种变化向量分析和光谱解混相结合的多类变化检测方法(CVA_SU)。基于连续光谱变化向量分析方法,利用最小贝叶斯决策算法与最大期望算法迭代求阈值,实现变化区域检测。然后,对多时相高光谱图像分别提取端元,并求解两个图像中变化区域像元的丰度。以相关系数为相似性判断准则,根据图像分类精细程度自适应确定阈值,实现多时相高光谱图像各端元对应类别匹配和确定。最后,对变化向量分析方法检测出的变化区域求丰度,根据丰度值最大确定各像元类别。通过逐像元对类别比较,判断类别变化信息。(2)针对高光谱图像像素级变化检测算法无法简单确定地物变化组分问题,介绍了 CVA检测变化端元后并对多时相数据叠加求丰度确定地物变化组分问题。在此基础上,提出所有端元构造变化和非变化端元对集合,并对CVA检测的变化区域多时相数据叠加求丰度确定地物变化组分的方法。(3)为进一步实现高光谱图像的亚像素级变化检测,提出亚像元定位结合CVA检测变化区域的变化检测方法,以区域周长最小为目标函数,基于光谱解混和二进制粒子群优化分别完成多时相图像的亚像元定位,再对CVA检测的变化区域的亚像元定位结果进行比对分析,完成高光谱图像的亚像素变化检测。