基于像素的直接比较法、分类后比较法、栅格GIS矢量集成法等较成熟的方法，慢慢地也被引入面向对象的高分辨率遥感影像变化检测中。 此外，顾及邻域像素空间关系的方法，如水平集 (level set)、马尔科夫随机场 (Markov random field, MRF)、条件随机场 (conditional random field, CRF)等方法引入到对象级变化检测中，将光谱和空间信息进行有效结合，降低了对象级变化检测的不确定性。 随着遥感大数据和人工智能的发展，深度学习方法迅速被引入遥感影像变化检测领域。 作为一种高分辨率遥感数据特征挖掘的有效手段，深度学习方法为高分影像数据的分类与变化检测提供了一条新的途径。