图像变化检测是检测同一地理区域,不同时间段的两幅遥感图像的差异部分的过程。随着遥感技术应用的发展,图像变化检测被广泛应用在环境监测、农作物测量、城市研究、生态监测、自然灾害评估、战场目标打击效果评估和军事侦察等领域。由于大多数的遥感卫星图像获得的是光学遥感图像,但是这些图像很容易受到恶劣天气的影响,特别是云的干扰,云覆盖是导致光学遥感数据的缺乏的一个重要因素,严重影响了光学遥感图像的后续处理,比如光学遥感图像的变化检测。所以研究薄云干扰下的光学遥感图像变化的检测具有十分重要的应用意义。本文算法研究目的是降低薄云噪声对光学遥感图像变化检测的影响,从而提高图像变化检测的准确率和Kappa系数。研究内容主要围绕如何去除光学遥感图像的薄云干扰、如何降低去除薄云后的噪声、如何对去除薄云干扰后图像进行变化检测、如何对去除图像薄云算法进行客观性能指标评估以及如何对图像变化检测结果客观指标分析等方面而展开,并取得了如下的研究成果:1.提出了一种基小波变换和Retinex结合的遥感图像的薄云去除算法。先将遥感薄云图像进行小波分解,对分解的低频薄云部分进行抑制,高频信息部分进行强化,处理后进行小波重建,然后利用单尺度Retinex算法对重建后的遥感图像进行增强处理。最后利用平均灰度值,信息熵,标准差及平均梯度指标进行客观评价分析,结果表明,该方法可以在有效去除薄云的同时增强地面细节信息。2.提出了一种基于小波系数替换的薄云光学遥感图像变化检测算法。首先对降低薄云对图像的干扰,然后与同一地域不同时间的对比图进行变化检测处理。在薄云去除部分,本文提出了一种基于小波系数替换的薄云去除方法。以小波变换后的系数值为判别条件,分别对图像中的高频部分和低频部分进行处理;在图像变化检测部分,本文运用了一种结合差异图和模糊c均值聚类的无监督变化检测算法。最后利用Kappa系数,准确率和总错误率3个指标进行客观评价分析,结果表明,该算法能降低薄云对光学遥感图像的干扰,同时提高遥感图像变化检测的准确度。