张翠军，安 冉，马 丽

1.河北地质大学 信息工程学院，石家庄050031

2.河北地质大学 人工智能与机器学习研究室，石家庄050031

遥感图像变化检测[1]是对同一地理位置不同时期获取的两幅或多幅图像进行分析和检测，从而获得地物变化信息的技术，在土地利用监控、农业监测、防灾预警、城市规划等许多领域都有广泛的应用。目前，遥感图像的变化检测方法和技术是遥感图像处理领域的研究热点和难点之一。

传统的遥感图像变化检测方法流程[2]一般分为三步：（1）应用图像预处理技术对图像进行配准、去噪等，消除成像因素带来的图像差异；（2）以图像差分、图像比值等方法生成差分图像；（3）对差分图像进行分类，从中提取变化类特征，分析变化类特征得到变化图。Gong等人[3-4]在小波域利用平均比值图像和对数比值图像的互补信息生成差分图像，并对FLICM算法进行改进，提出改良局部邻域模糊C 均值（Reformulated Fuzzy Local Infornation C-Means，RFLICM）聚类算法，对融合后的差分图像进行分类，得到图像的变化情况；刘陆洋等[5]利用对数比差异图和均值差异图合成新的差异图，再由主成分分析法得到新差异图每个像素的向量表示，最后通过模糊C均值聚类算法得到变化图，减少了散斑噪声对检测结果的影响，提高了变化检测的精度。上述方法都依赖于手工构建的特征表示，对复杂的高层次变化信息的建模能力有限，并且当变化类和非变化类的特征重叠或其统计分布建模不准确时，检测结果会产生误差。……