合成孔径雷达(SAR)图像变化检测技术主要是检测不同时间同一地理位置的SAR图像之间的变化。该技术有着非常广泛的应用,如对受灾地区的检测,进行灾害分析和评估;对农田的监测,分析农作物的生长情况;对军事目标的检测,了解战场势态;对城市建设的监控,合理规划城市发展等。近年来,SAR图像变化检测方法已成为国内外研究的热点,该方法一般可以分为三类:基于幅度信息的变化检测、相干变化检测、基于极化信号的非相干变化检测。本文主要针对SAR图像幅度变化检测方法开展了研究,该类方法一般为差异图分类法,重点分析了该类方法在生成差异图像和差异图像分类的过程。一般情况下,生成差异图像有两种方式,一种是基于单个像元操作的,另一种是基于像素块的统计量生成差异图像。差异图像分类方法都是比较常见的无监督分类法,如k均值,类间最大方差阈值法等。本文通过改进生成差异图的方法和分类的方法,提高了SAR图像幅度变化检测的性能。主要研究内容和工作如下:1、分析了SAR图像的基本特性,包括统计分布特性、相干斑特性,总结了基于像元的SAR图像幅度变化检测和基于像素块的SAR图像幅度变化检测的一般过程及典型方法。2、在传统的基于像元的SAR图像幅度变化检测算法的基础上,如图像差值法、对数比值法,分析了它们构成差异图像的特性。研究了基于综合差图像和k均值聚类的变化检测方法和基于主成分分析和k均值聚类的变化检测算法,提出了基于综合差异图像和按块分类的SAR图像幅度变化检测方法。分别通过带有变化参考图的星载SAR数据和真实的机载X-SAR数据,验证了该方法的有效性,与差值法、对数比值法、基于综合差异图像和k均值法、基于主成分分析和k均值法相比,降低了漏检和虚警,提高了Kappa系数。同时,通过实验分析了按块分类中块的大小对变化检测性能的影响。3、研究了典型的基于像素块一阶统计量和高阶统计量的SAR图像幅度变化检测方法,针对局部均值比值法、局部均值对数比值法的低性能,基于K-L散度的高斯法局限性,以及避免使用大窗口,提出了基于关键点和图论的SAR图像幅度变化检测方法。分别通过带有变化参考图的星载SAR数据和真实的机载X-SAR数据,验证了该方法的稳定性,与局部均值比值法、局部均值对数比值法、基于K-L散度的高斯法相比,提高了正确检测率。同时,利用ROC曲线分析了方法中关键参数的影响。