目前，基于U-Net的深度学习遥感影像变化检测方法包含许多伪变化信息，且多数方法缺乏层级特征间的有效交互。针对上述问题，以经典U-Net为基础，提出一种联合时空差异注意力与层级细节增强的高分辨率遥感影像变化检测方法。首先，分别提取两期影像的单时相特征与级联特征，基于两期单时相特征的欧氏距离与差值特征，提出一种时空差异注意力模块，强化级联特征对变化区域的学习；然后，利用混合空间通道注意力交互相邻层级特征间的信息，构建一种层级细节增强模块，促进特征解码；最后，结合分块策略和空洞条形卷积，设计一种轻量级的多尺度边界细化模块，提取多尺度特征并缓解边界信息的丢失。在四个常用公开数据集上的实验结果表明，该方法相比于现有8种变化检测网络，取得了最好的评价指标。