近年来科技发展日新月异,在很多领域中,用机器来代替人类完成重复繁琐或危险的工作已经是十分普遍的现象。其中,无人机的使用就是一个十分典型的范例。随着无人机在军事侦察、资源探测、灾害预警等方面日益广泛的应用,对无人机图像自动处理方法的研究也日益深入。在无人机巡航过程中拍摄的视频图像,因无人机飞行航线和飞行角度变化等原因,存在着较多的场景变化。要准确有效地提取无人机巡航视频图像中的信息就需要对视频中的场景变化进行检测。本文主要研究了无人机巡航应用下的场景变化视觉检测方法,提出了基于时空显著性的场景变化检测方法和基于广义高斯混合模型的场景变化检测方法。在视频序列中发生的场景变化与目标的运动具有一定的相似性,在此基础上,本文将运动目标检测的相关方法应用到了场景变化检测当中。其中,对将时空显著性和广义高斯混合模型应用到场景变化检测中的方法进行了深入的研究。本文的主要研究内容为:(1)在传统场景变化检测算法的基础上,研究了基于运动目标检测的场景变化检测方法,并对相关检测方法的原理和实现进行了简单阐述,分析了运动目标检测中的相关方法应用到场景变化检测中的可行性。(2)在图像显著性检测的基础上,深入研究了时空显著性检测。时空显著性同时包含了图像序列的时间信息和空间信息。本文利用颜色特征、位置特征融合的空间特征以及低秩稀疏分解得到的运动信息计算了时空显著性,并将时空显著性与传统的三帧差分法结合,用于提取视频序列中的场景变化。通过对比实验表明,该算法能够有效地检测出视频中发生了场景变化的区域。(3)在场景变化检测与运动目标检测具有相似性的基础上,研究了基于高斯混合模型的背景建模算法,将高斯混合模型扩展为广义高斯混合模型,并将广义高斯混合模型运用到场景变化检测中。基于广义高斯混合模型的场景变化检测算法能够有效地检测出发生场景变化的区域且检测效果优于高斯混合模型法。