变化检测技术旨在检测同一区域不同时间的变化情况。合成孔径雷达因其全天时、全天候的特点优势,使得SAR图像成为重要的变化检测信息源。作为当前遥感应用领域的研究热点,以及对地动态监视的关键技术,SAR图像变化检测具有重要的理论意义和广阔的应用前景。本文对面向典型目标的多时相SAR图像变化检测算法进行了研究。　　 本文的主要创新点为:　　 1.提出了一种基于高阶累量的Jeffrey散度差异度量方法,用于衡量两个分布之间的差异程度。该方法采用Edgeworth展开逼近图像局部统计分布模型,利用了图像的高阶累积量,包含了概率密度函数更多的信息。同时采用具有较高数值稳定性和鲁棒性的Jeffrey散度作为两个分布的距离度量,较好地抑制了SAR图像的方差等统计量的数值不稳定性。实验结果表明该方法具有较高的检测率和提高数值稳定性的能力,并对分析窗尺寸具有一定的鲁棒性。　　 2.提出一种基于Radon变换的不依赖于统计分布模型假设的SAR图像分布逼近方法。在Radon变换生成投影片断的基础上,采用Edgeworth级数展开逼近图像局部投影的统计分布。由于利用了Radon变换的累加性生成近似的高斯随机变量,使其满足Edgeworth逼近原理的前提条件;并且利用Radon变换的直线检测能力,使得原始图像空间的像素级变化检测转换为投影空间的直线结构级别的变化检测,能有效地应用于机场跑道、港口码头等具有直线特征目标的场景。　　 3.针对三类典型目标分别研究了适用的变化检测算法。针对叶簇隐蔽目标,使用甚高频SAR图像使得叶簇遮蔽的难题转化为了传统的变化检测问题,目标是降低虚警率并且提高检测率。针对机场直线型目标,提出了基于Radon变换和Jeffrey散度组合的变化检测算法,有效利用了Radon变换的直线检测能力,同时抑制了斑点噪声带来的数值不稳定性;针对海面舰船目标,提出了一种基于SAR目标特性先验知识的多阈值去虚警方法,使得动态目标的检测更为精准。