随着高分辨率卫星图像和机载数码相机数据方法的出现，包含上下文信息的方法被更广泛地使用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，出现了新的方法挑战。标准变化检测和准确性评估技术主要依赖于统计评估单个像素。对于表现出形状、边界、同质性或拓扑信息的图像对象，此类评估并不令人满意。在基于多时间对象的图像分析中，必须评估描述现实世界对象的这些额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否在几何上、类别上或两者上发生了变化？我们何时可以将一个数据集中的对象识别为另一个数据集中的同一对象？我们是否需要用户定义或特定于应用程序的阈值来进行几何重叠、形状面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。