遥感图像的变化检测与标注是遥感图像分析和理解的重要内容之一。传统的遥感图像变化检测和标注方法主要包括三个步骤：预处理，变化信息获取和变化内容后处理。主要解决三方面问题：判断是否发生了变化，标定变化发生的区域，以及鉴别变化地物的类型。随着遥感图像应用领域的扩展，人们对遥感图像变化检测和标注的要求也在不断提高，表现在两个方面：一方面，在变化信息获取方式上，人们希望更方便快捷地获取到变化信息，同时，尽可能维护变化区域的光谱特性，尽可能减少预处理误差给变化检测带来的影响；另一方面，在变化信息获取内容上，人们希望了解变化区域的变化过程，以及变化区域更丰富更精确的属性信息，如显著性和类别信息。而现有的变化检测和标注方法还不能很好地解决这些问题。为了更好地解决这些问题，本文从“维护变化区域的光谱特性”、“削弱图像配准误差对变化检测的影响”、“获取变化过程信息”、“引入显著性信息”和“提高类别标注精度”等角度开展了变化检测和标注方法的研究工作，主要包括以下几个方面：在基于配准的硬变化检测研究中，论文分别提出了基于四元数主成分分析的硬变化检测方法和基于随机游走的硬变化检测方法。前者引入四元数模型将三个彩色通道图像共同进行处理，有效地维护了各彩色通道之间的光谱特性。后者通过将图像配准所需要的特征点作为随机游走的初始种子点，有机地将图像配准和变化检测结合起来。在未配准图像的硬变化检测研究中，为了直接对未配准图像进行变化检测，论文提出了基于聚类方法和基于全局对比度的硬变化检测方法。前者结合自底向上的非监督聚类方法和自顶向下的判别聚类方法来进行变化检测，后者通过分析变化区域和不变化区域的颜色差异来实现变化检测。为了描述变化区域的变化过程，论文将软变化检测这个概念引入到遥感图像的变化检测研究领域，提出了一种基于贝叶斯模型的软变化检测方法。该方法得到的软变化检测结果不仅可以表示某区域是否产生变化，而且能描述整个变化过程，有利于对变化信息进行深入的分析和理解。在变化区域标注研究方面，论文提出了基于视觉注意力机制的显著性标注方法和基于概率图模型的类别标注方法。前者利用变化区域的显著性特征，能快速准确地实现变化区域的显著性标注。后者采用了一种适用于多光谱遥感图像的基于颜色和形状特征的特征描述符，并结合作者主题模型(Author Topic Model,ATM)，实现了变化区域类别标注。通过引入作者的流派信息，论文进一步提出了作者-流派主题模型(Author-Genre Topic Model,AGTM)，提高了遥感图像类别标注的精度。论文将提出的变化检测和标注算法用于多光谱遥感图像，取得了预期的效果。