摘要：高分图像的变化检测可以采用基于对象的方法，通过设计适当的分割算法或目标提取算法，实现对地物覆盖类型（如建筑物、水体等）或目标（如车辆、舰船等）的变化分析。高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域关系等信息，可主要应用于地物分类、目标提取与识别、变化检测等。

高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域关系等信息，可主要应用于地物分类、目标提取与识别、变化检测等。基于高分图像，可以充分提取图像地物的上下文语义信息，将图像分类从像元级提高到对象级。比如，自适应马尔科夫随机场模型或者GIS辅助遥感图像分类都是充分利用精细的空间信息结构实现对光谱分类结果的重定义，提高图像分类精度。此外，稀疏表示和深度学习方法在高分图像分析中的应用研究也非常活跃。稀疏表示理论能够从复杂庞大的数据中分离出影像的主要特征，深度学习方法则通过对深层网络结构进行训练提取图像所具有的深层次的结构特征。高分图像的变化检测可以采用基于对象的方法，通过设计适当的分割算法或目标提取算法，实现对地物覆盖类型（如建筑物、水体等）或目标（如车辆、舰船等）的变化分析。