研究背景：
随着合成孔径雷达（synthetic aperture radar，SAR）技术的逐步成熟和SAR图像分辨率的不断提高，SAR图像的使用逐渐为人们所重视。同光学遥感相比，SAR系统可以全天候、全天时获得遥感数据，是较好的变化检测信息源。
自从合成孔径成像雷达系统投入使用以来，SAR已经对地球表面观测了数年时间，获得了大量的多时相地面观测数据。多时相SAR图像数据包含了比单幅SAR图像数据更多的信息，很多遥感研究都试图开发出能够很好利用这些信息的技术，其中被最广泛研究的就是变化检测技术。变化检测（change detection）通过对不同时期SAR图像的比较分析，根据对图像的差异分析来获取所需要的地物变化信息。SAR变化检测技术可以应用于很多方面，例如对地震区域的定位和灾害评估；对农作物生长状况的监测；对土地使用的监测等等[1~3]。近十几年来，国内外学者在应用SAR变化检测问题上做了不少工作，但该领域仍然是目前许多专家关注的焦点。在国外，SAR变化检测技术方兴未艾；在国内，该技术正处于起步阶段[4~7]。至今，已有不少遥感软件，比如ERDAS、ENVI提供了变化检测处理模块，但它们往往并不针对于SAR变化检测，处理效果欠佳。
研究现状：
常见的变化检测算法：
1．简单差值法
图像差值法[8,9]是前期变化检测主要方法，，该方法目前还被普遍采用。常用算法使用单一阈值对差值图像进行处理，对应决策如下：
式中凭经验选取。简单差值法对数据配准精度要求高。鉴于SAR乘性斑噪影响，该方法并不适用于SAR变化检测。为此，学者们提出了数据比值法[10][11]，即：。
当对图像取对数时，，该形式同差值法相同。因此，图像比值法变化检测可以被归纳为差值法。当对SAR数据使用对数差值法时，乘性斑噪已退化为加性噪声形式，这就便于SAR斑噪的滤除。
2统计假设检验法
当把SAR数据看作信号叠加形式时，其数据往往满足一定的统计特性，因此在使用SAR数据进行变化检测时，不少学者选用了基于统计假设检验法[5][12]。假设检验分为两种类型：零假设（原假设）H。，表示对应图像像素未发生改变；备择假设H1，表示对应图像像素发生了改变。图像对可看作随机矢量，对于给定的像素x，两类假设对应的联合分布概率分别和，因此可以使用经典的假设检验法来选取最佳假设。
2.1显著性检验
零假设表征方式比较直观，因为无变化发生时，数据序列的差异只跟噪声相关。对差值图像进行显著性检验可通过使用零假设检验执行：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
