针对高分辨率遥感影像变化检测中存在最佳分割尺度难以确定、空间信息未得到充分利用等问题,提出了面向对象的多特征分级CVA变化检测方法。通过与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行实验对比分析,结果表明,本文方法提高了高分影像的变化检测精度,验证了其有效性。本文方法的优势在于,利用多尺度分割和自适应融合策略综合考虑了不同尺度大小的地物变化,减小了变化检测结果对分割尺度的依赖性,避免了单一分割尺度难以达到最优分割效果的问题;另外,将几何不变矩作为形状特征,结合光谱、纹理等多种特征信息,通过多特征提取和随机森林特征选择得到最优特征矢量,充分利用了高分辨率遥感影像的空间信息,避免了仅利用单一光谱信息进行变化检测时易受“同物异谱”现象影响的问题。本文的变化检测方法通过构建差值影像并通过阈值法从中提取变化信息,而大多阈值判定算法都有明显的局限性,一旦差值影像的直方图不满足假设的分布,就无法有效判别变化,造成漏检和虚检,影响方法的鲁棒性,因此针对变化阈值的确定方法的改进有待进一步研究和改进。