1.一种基于差分描述子的遥感图像变化向量变化检测法，其特征是，包括如下步骤：

1)选取两张多时相图像并进行影像配准，辐射归一化的预处理；

2)对多时相图像的波段进行组合，得到图像信息最大化的组合；

3)针对波段的空间信息，构建基于非线性滤波的差分描述子来计算像素变化量，并得到差分图像；

4)基于贝叶斯判别规则选取阈值，通过阈值法确定差分图像中的变化像素。

2.根据权利要求1所述的一种基于差分描述子的遥感图像变化向量变化检测法，其特征是，所述步骤2)的具体内容为：

21)找出两张图像x1和x2中所有的n个波段；

22)找出图像x1的每一个波段i，分别与图像x2的所有的n个波段进行组合，得到n2个结果；

23)计算出图像x1中每个波段i的n个组合结果的相关系数；

24)对图像x1中所有波段i的相关系数做归一化处理。

3.根据权利要求2所述的一种基于差分描述子的遥感图像变化向量变化检测法，其特征是，所述步骤23)的具体内容为：

231)分别求出图像x1中每个波段i的图像像素平均值 和图像x2中每个波段j的图像像素平均值

232)求出波段i和波段j的协方差cov(i,j)；

233)求出所有波段i和波段j的相关系数

4.根据权利要求1所述的一种基于差分描述子的遥感图像变化向量变化检测法，其特征是，所述步骤24)的具体内容为：对步骤233)得到的n个相关系数r1....rn相叠加得到S后，求出n个归一化的相关系数λ1、…、λn。

5.根据权利要求4所述的一种基于差分描述子的遥感图像变化向量变化检测法，其特征是，所述步骤3)的具体步骤如下：

31)建立像素模板：分别将图像x1的i波段和x2的j波段转换成M×N阶像素矩阵，将非边界上的每个点的像素作为中心像素，并与其相邻的8个像素一起构成3×3的模块在3×3的模块中，每个模块用该点的像素来表示数值；

32)建立单波段的水平分量模型和垂直分量模型 单独对每个图像所构成的若干个3×3的模块，依次计算出模块的水平变化量v和竖直变化量h，水平分量v＝v1+v8+v7-(v3+v4+v5)，竖直分量h＝v1+h2+v3-(v7+h1+v5)；

33)建立双波段的变化分量模型：将波段i和波段j所有的3×3模块按照中心像素的位置依次对应，并将波段j所有的3×3模块的中心像素替换为波段i的对应点，形成双波段的变化分量模型 Fi(u,v)代表i波段(u,v)点的像素，Fj(u,v)代表j波段(u,v)点的像素；

34)在双波段的变化分量模型中，依次计算出双波段的变化分量模型的中心像素局部的水平变化量v和竖直变化量h，其中

35)建立高斯模板：依据图像在相邻像素之间存在的相关性，引入高斯分布函数，令中心元素坐标(U,V)为(0,0)，并把其邻域坐标代入可得出3*3归一化高斯加权模板；

将高斯加权模板与 的对应位置依次做乘积得到

即可得最终的加权局部变化分量 和

36)对加权变化量 和 求模值，作为该中心像素点的光谱变化强度值；

37)根据上述步骤，计算出所有像素点的光谱变化强度值 并组成M×N阶矩阵；

38)依次计算出图像x1的i波段与图像x2所有波段组合下的光谱变化强度值，并组成n个M×N阶矩阵；根据归一化的波段相关系数，对n个M×N阶矩阵依次加权，求出最终的加权变化分量矩阵X；

39)依次计算出图像x1除i波段以外波段的光谱变化强度值，可求出所有的变化分量矩阵。

6.根据权利要求1所述的一种基于差分描述子的遥感图像变化向量变化检测法，其特征是，所述步骤4)的具体步骤如下：

41)基于EM算法进行参数估计：

像素组成集合F＝{f1,f2,····fn}，并用fk代表第k个像素；

集合F中的元素分为变化类wc和未变类wn；假设wc和wn的条件概率密度函数服从高斯分布即集合F中的所有元素可看作由两个子高斯组成的混合分布：p(fk)＝p(wc)×p(fk|wc)+p(wn)×p(fk|wn)，其中公式中待求取的参数分别为变化类wc的p(wc)、 和 以及未变化wn的p(wn)、 和可由EM算法迭代求解，即下述公式来求取：t为迭代次数，初始值为k均值聚类的结果，迭代直到连续两次迭代出的参数差值小于设定的阈值；

42)基于贝叶斯判别规则的变化判断：根据贝叶斯公式，可得到后验概率计算式：当得到wc与wn的参数后，若p(wc|fk)＞p(wn|fk)，则fk∈wc，即该像素属于变化类，若p(wn|fk)≥p(wc|fk)，则fk∈wn，即该像素属于未变化类。