La détection de changement en télédétection est une technique de surveillance importante largement utilisée dans la planification urbaine, l'évaluation des catastrophes, la gestion des ressources, entre autres domaines. Le radar à synthèse d'ouverture (SAR) offre une capacité d'imagerie 24h/24 et en toutes conditions météorologiques, surmontant les limitations des changements optiques liés à la météo et à l'éclairage. Sa capacité de pénétration des micro-ondes, ses caractéristiques de polarisation et son mécanisme d'imagerie cohérente lui confèrent des avantages uniques pour surveiller les changements sous la surface et dans les zones occultées, les modifications des structures et des propriétés physiques des objets, ainsi que les petits changements. Actuellement, la plupart des revues sur la détection de changement bi-temporelle en télédétection se concentrent principalement sur les images optiques, manquant d'un résumé systématique et ciblé des détections basées sur des images SAR. De plus, avec le développement de l'apprentissage profond et des techniques de fusion multi-source, la détection de changement homogène et hétérogène basée sur les images SAR est devenue un sujet d'avant-garde. Ainsi, cet article, basé sur des centaines de publications classiques et récentes nationales et internationales, combiné aux principes d'imagerie satellite SAR, discute d'abord des applications typiques de détection de changement sous différentes conditions d'imagerie. Ensuite, il construit un flux de travail général de détection de changement bi-temporel incluant l'acquisition des données, le pré-traitement des images, la reconnaissance des changements et le post-traitement. Sur cette base, une revue systématique des données et méthodes principales de détection de changement est présentée. La partie données couvre les ensembles de données open source pour la détection de changement homogène et hétérogène basée sur SAR ; la partie méthodes englobe les méthodes traditionnelles ainsi que les méthodes d'apprentissage profond pour les détections homogènes et hétérogènes. En particulier, les liens vers les ensembles de données et les codes modèles correspondants sont répertoriés pour fournir une référence importante pour les recherches futures. Enfin, l'article résume les principaux défis actuels du domaine à trois niveaux : données, algorithmes et applications, tels que la qualité et la quantité des données, la capacité d'expression des caractéristiques des modèles, la complexité du calcul, et la portée des applications de détection de changement. En réponse à ces défis, des perspectives d'évolution vers la fusion multimodale, la conception de modèles intelligents et légers, ainsi que le développement de la détection de changement multi-variée sont proposées.

détection de changement bi-temporel en télédétection;images SAR;méthodes traditionnelles;apprentissage profond;détection homogène et hétérogène