什么是遥感变化检测？
人们几乎每天都在对自然环境进行改造，小到建筑物的修建、大到填海造陆，而这些动态发展对于自然环境的利弊则需要监控与分析。 遥感变化检测，顾名思义，就是利用多张静态的遥感图像所反应的信息，在相互比较、多种处理手段下获取各种地表信息动态变化的方式。 遥感变化检测的工作对象是同一地区不同时期的图像。 遥感变化检测的正式概念是： 利用多时相遥感数据，采用多种图像处理和模式识别方法提取变化信息，并定量分析和确定地表变化的特征与过程。
如何将深度学习应用于多时相遥感影像的变化检测？
虽然已经有大量的研究工作将深度学习应用在多时相遥感影像的变化检测研究上，但对于高分辨率遥感影像的变化检测而言，地物有更加丰富的空间/形状特征，如何将深度学习应用于高分辨率遥感影像中，提取并学习有效的特征，减少伪变化，进一步提高变化检测精度，是未来主要的研究方向。 随着Hay和Niemann提出了“影像对象”的概念，各种基于影像分割结果进行影像分析的方法也逐渐出现。
如何利用深度神经网络处理遥感图像变化检测问题？
深度学习技术的发展，尤其是卷积神经网络 (convolutional neural networks, CNN)、递归神经网络 (recurrent neural networks, RNN)和深度神经网络 (deep neural networks, DNN)，为像素级变化检测方法注入了新的旺盛生命力。 深度神经网络的训练是基于反向传播算法的有监督训练，因此，在利用深度神经网络处理遥感图像变化检测问题时，如何有效获取训练样本是一个值得研究的问题。