基于遥感图像中的光学信号检测出一定时间内特定区域的变化状态的遥感图像变化检测方法，在国防安全、环境监测、城市建设等领域具有重要应用价值。由于多时相异源图像在成像机理、光谱范围、空间分辨率等方面存在差异，现阶段异源遥感图像变化检测仍存在精度不够高、漏检和误检等问题，本文提出一种基于Transformer网络的异源变化检测网络框架，该框架能够利用不同类别的异源遥感图像获得准确的变化检测结果。首先，所提出检测网络为多时相遥感图像自适应生成对应的光学信号Token （光信Token）；然后，以光信Token作为引导与对应图像块Token进行交互计算，从而对双时相序列特征进行变化分析，并且在交互学习过程中构建了差分放大模块以提高网络对特征间差分信息的提取精度；最后，利用多层感知机对输出的差分Token进行预测并分割出变化区域。采用Sardinia、Shuguang和Bastrop等3个不同类别的异源遥感图像数据集和Farmland同源高光谱图像数据集来验证本文提出的方法，结果证明在选取有限训练样本数据情况下，本文方法与现有主流变化检测方法相比，在多个客观指标以及主观视觉上都表现出先进性。