本文主要针对检测影像中的地物变化情况，常用的变化检测方法主要分为以下几类。
包括差值法、比值法、图像回归方法、植被指数差分法等。
差值法 即将配准后的两时相影像按波段逐像元相减得到差值影像，理想情况下两时相的影像具有相同的辐射特征，则相减结果中有辐射变化的区域为正值或负值，没有变化的区域为零。
比值法 与之类似，通过计算两时相的波段比值判断是否发生变化。
插值法和比值法简单易实现，但当两时相影像的成像条件不同时，会造成光谱值得差异，使得检测结果不够准确，而一般很难保证两时相影像的成像条件完全一致。
图像回归方法 基于两时相影像同一波段的像元值满足线性关系的假设实现，通过计算回归方差得到两时相的回归残差影像并提取变化信息，一般情况下这种假设可以近似认为是成立的。该方法可以在一定程度上减少大气、入射角等的影响，但需要保证回归方程的准确性。
植被指数差分法 通过计算两时相的归一化植被指数并将其相减确定变化区域，主要应用于检测植被的变化，也可利用其它类型的指数信息实现检测。这种方法可以减少地形和光照等的影响，但在处理的同时对噪声有一定增强。
分类后比较方法对不同时相的影像单独分类，并比较分类信息得到变化情况，可以使用不同的分类或聚类算法实现对不同区域的区分。这种方法适用于类别明确的地物变化检测。
包括点特征检测法、边缘特征检测法、基于纹理特征的变化检测、基于矩特征的变化检测和基于目标的变化检测等。这些方法对具有一定特征的地物有较好的应用价值。
包括主成分分析、缨帽变换、独立成分分析法等方法。
主成分分析法 通过构造线性变换实现信息的集中提取。基于主成分分析的变化检测方法有： 差异主成分法 ，对两时相多波段影像的差值影像做PCA变换，得到的前几个主成分集中了影像的主要差异信息，可认为是变化信息； 主成分差异法 ，将两时相影像分别做PCA，计算前几个主成分的差值作为变化信息； 多时相影像主成分分析 ，将两时相的多波段影像合并进行PCA变换，变换后前几个主成分表示了两时相中的不便信息，后几个主成分则包含了变化信息。此外，PCA还可以作为数据预处理方法，与其他变化检测方法一同使用。
缨帽变换 ，又称K-T差分变换，是多光谱影像的一种线性变换，可以通过亮度、绿都、湿度反映地表的土壤植被等变化信息。
独立成分分析法 可以看做是主成分分析的一种拓展。由于各种地物的光谱信息在遥感影像上不完全复合高斯分布，基于二阶统计特向的PCA等方法难以实现有效的分析，而ICA方法不仅能够消除多变量数据中的二阶相关信息，而且能够消除数据间的高洁相关。ICA分解后的个独立成分中包含了不同地物及变化情况的信息，但对特定变化信息的提取通常需要结合人工判读进行。