摘要：随着对地观测技术的快速发展,高分遥感影像变化检测已成为遥感领域中的研究热点。空间分辨率的提高带来了丰富的空间信息,同时也导致了由于物候差异引起的实际属性并未发生变化,而光谱等表现特征发生变化的“伪变化”问题更为显著。形态属性剖面(Morphological Attribute Profiles,MAPs)作为一种高效空间信息建模方法,可从不同属性、多个尺度精细刻画复杂变化特征,已在变化检测领域任务中得到了广泛应用。尽管如此,已有MAPs方法通常未考虑差分剖面的属性及尺度平衡问题,从而容易陷入局部最优;同时,有效融合MAPs差分特征获取变化检测结果是此类方法面临的另一个难点。为此,研究提出了一种结合自适应形态属性剖面与决策融合的变化检测方法。首先,通过对MAPs进行CVA,提取初始差分特征集合;在此基础上,设计了一种综合考虑属性及尺度平衡性的择优目标函数(Balanced Optimal Objective Function,BOF),进而提取优化差分特征集合;最后,基于所提出的变化强度证据指标(Evidence Index,EVI)和证据置信度指标(Indicators Of Evidence Confidence,IOEC),构建了一种多特征决策融合框架获得变化检测结果。实验结果表明:所提出方法的总体精度(Overall Accuracy,OA)和F1分数(F1 score,F1)分别可达96.41%及88.67%以上,在目视分析和定量评价均显著优于对比方法,尤其针对本文所提“伪变化”,该方法相较对比方法可实现更为精确的判别,可以有效缓解“伪变化”。