变化检测是对同一地区多时相幅影像（通常在不同时期针对一个区域收集）进行比较，以确定变化的类型、幅度和位置变化，其在土地利用、城市扩张、地质灾害监测、生态环境保护、森林防护等自然资源领域均有重要和广泛的应用价值。
SuperMap iDesktopX提供通用变化检测功能，可服务于多种影像变化检测场景，识别出发生变化的地块并生成兴趣类别变化像元的矢量结果。通用变化检测功能可细粒度解译影像，通常用来获得建筑物、道路和水体等特征明显的地物变化。
主要参数
- 功能入口：工具箱->机器学习->影像分析->通用变化检测工具。
- 源数据：选择需要进行变化检测的影像或栅格数据。
- 对比数据：选择需要进行变化检测的对比影像或栅格数据。
- 模型文件：选择用于提取对象的模型文件（*.sdm）。
- 切片重叠（像元）：在通用变化检测过程中，由于卷积神经网络的结构特征，会导致切片边缘的数据预测不充分，为使了提高预测质量，需要将切片重叠。此参数以像元为单位，一般为兴趣类别平均大小的 2~3 倍。
- 结果数据：即通用变化检测的结果矢量数据集，设置结果数据集保存的数据源和保存名称。
- 运行：单击对话框中的运行按钮，即可执行通用变化检测操作，此时，Python 窗口会显示功能执行的进度信息。
下图为某地区的建筑物通用变化检测结果，可以看到图中零星增加的建筑物（粉色框）被准确的识别，且建筑物轮廓与实际较为贴合。除此之外，对于形状改变的建筑物（图8左上角红色框）和大片增加的被拆除的建筑物（蓝色框）均有较好的提取效果，且建筑物边界清晰完整，可满足实际需要。
