随着全球环境变化研究的兴起,多时相遥感影像处理和变化检测成为遥感领域中一个较为活跃的研究方向,基于高光谱遥感影像的变化检测是其中一个重要的分支。高光谱遥感影像具有“光谱连续、谱像合一”的特点,包含更加精细的地物类型信息,已经在土地利用、环境监测、军事侦察等领域得到了广泛应用,如何充分利用这类数据资源自动快速地发现与提取地表变化信息是遥感领域的热点之一。本文针对其中需要解决的关键技术问题,以现有相关研究成果为基础,提出基于分解的二维Otsu阈值分割算法和基于多种相似性测度的变化检测方法,探索快速有效地利用不同时相高光谱遥感数据自动提取变化信息的新途径。主要工作和成果如下:(1)系统地阐述了遥感影像变化检测的基本概念和研究现状,总结了目前高光谱遥感影像变化检测存在的困难,提出了解决这些困难的思路和方法。(2)以EO-1 Hyperion高光谱遥感影像为主要实验数据,并对其进行预处理。通过波段选择,剔除未定标和受水汽、噪声影响较为严重的波段;通过辐射值转换,得到绝对辐射值影像;通过去除坏线、修复条纹、去除Smile效应、大气校正得到质量更好的高光谱影像;最后通过几何校正,得到配准误差为0.5个像元以内的两时相高光谱遥感影像。(3)提出一种基于分解的二维Otsu闽值分割算法。针对于传统阂值分割算法仅仅考虑图像灰度信息和计算量较大的问题,本文利用分解的思想将二维Otsu阂值法分解为两个一维Otsu阂值法,然后在分析一维Otsu阂值法的基础上,综合考虑目标和背景之间的方差及其类内方差,并提出一种新的阂值判别函数。通过实验证明了该方法的有效性。(4)提出一种用于提取高光谱影像变化信息的光谱相似性测度模型。实验结果表明,该模型通过融合同一地理区域两个时相高光谱遥感数据的光谱曲线形状特征、光谱矢量特征和光谱信息熵特征的差异,能进一步提高高光谱遥感影像变化检测的精度。