SAR图像变化检测可以通过对差异图的分类来实现，由于SAR图像容易受到相干斑噪声的干扰，从而影响变化检测效果。提出了一种基于空间邻域信息模糊聚类的SAR图像变化检测方法，根据对数比法和均值比法的各自特点，构造了一种新的差异图生成方法，并通过对传统的模糊聚类算法结合像素的空间邻域信息进行改进，来实现SAR图像的变化检测。实验结果表明，与传统的阈值法、模糊聚类算法以及局部邻域信息模糊C均值算法相比，提出的算法具有较高的检测精度，不但能有效地抑制噪声影响，同时能较好地保留图像细节信息。

模糊C-均值（FCM）算法对图像噪声敏感，聚类过程中只考虑图像的数值特征信息而忽略像素间空间约束关系，同时单一隶属度并不能充分描述图像的不确定性，这使得基于FCM的图像分割不够准确。融入局部信息的改进FCM算法虽然对图像噪声有一定鲁棒性，但对图像细节保持不够，难以分割微小区域。针对上述问题，提出一种基于直觉模糊集的改进模糊C-均值（IFS_FCM）图像分割算法。该方法将直觉模糊集理论融入到FCM中，充分考虑图像的不确定性，同时在目标函数中引入空间邻域信息，使得该分割算法对噪声鲁棒性增强的同时还能保持图像细节信息。实验结果表明，IFS_FCM能获得更加理想的图像分割效果。