变化检测是一种识别同一地区不同时期地表变化的过程,其广泛应用在土地扩张、农业监测、灾害评估等领域。遥感和空间技术的进步带来了更丰富的卫星影像,其为准确、实时提取变化信息提供机会的同时也带来了挑战。对于中低分辨率卫星图像,其在变化检测实际问题中应用广泛,提高变化检测准确度和自动化程度是需要解决的问题。针对高分辨率卫星图像,其空间地物细节丰富,容易出现“同物异谱”和“同谱异物”现象,因此减少图像冗余特征和提高变化检测精度是重点解决的任务。本文着重研究基于自编码网络及水平集方法的变化检测,并将其应用到土地利用、围填海以及岸线变化检测中,在提升变化检测精度的同时提高了变化检测的自动化程度。在土地利用变化检测研究方面,针对变化检测需要人工筛选地面真实样本以及变化和未变化样本不均衡问题,本文提出了基于协同聚类和权重注意力稀疏自编码网络的变化检测方法。采用协同聚类和合成少数过采样方法来无监督地生成平衡的样本数据,随后在自编码中引入权重注意力机制来提高网络的分类精度,最后将网络分类后的变化检测结果通过基于超像素的空间约束来减少“椒盐”噪声。在围填海变化检测中,为了降低悬浮泥沙对提取围填海变化信息的影响,本文提出了基于权重聚类稀疏自编码网络的联合变化检测方法。将两时相影像分割后的超像素块的均值和方差堆叠作为网络训练样本以获得地物的空间邻域信息,并通过对自编码逐层合并相似的权重来减少冗余特征,最终结合差异图分类和面向对象变化检测的优势采用联合概率判据生成变化检测图。仿真实验表明所提方法显著降低了误检率和漏检率,提高了面向对象变化检测的精度。在岸线变化检测方面,本文着重研究岸线变化信息的自动提取,提出了基于改进的距离正则化水平集演化方法的岸线变化检测框架。首先将遥感图像的归一化水体指数的聚类结果采用形态学处理生成初始水平集函数,随后将图像局部熵经过非线性映射来初始化改进的距离正则化水平集方法。通过引入基于后验概率权重的指数边缘停止函数,所提方法能够使曲线快速演化至岸线。最终岸线变化检测结果通过比较分析两时相影像岸线结果获得。仿真实验表明所提方法能够利用相同或最少的迭代次数提取满意的岸线结果,并且岸线变化检测结果与真值图一致性程度较高。