Die Veränderungsdetektion (CD), eine der zentralen Aufgabenstellungen im Bereich der Erdbeobachtung, hat in den letzten Jahrzehnten erhebliches Forschungsinteresse hervorgerufen. Aufgrund der rasanten Entwicklung von Satellitensensoren in den letzten Jahren ist die Vielfalt an CD-Quelldaten erheblich angewachsen, insbesondere durch den Zugang zu sehr hochauflösenden (VHR) multispektralen Bilddaten, die reichhaltige Hinweise auf Veränderungen liefern. Dennoch bleibt die präzise Lokalisierung tatsächlicher Veränderungsgebiete eine Herausforderung. In diesem Artikel stellen wir ein end-to-end-Netzwerk mit Superpixel-Verbesserung (ESCNet) für VHR-Bilder vor, das eine differenzierbare Superpixel-Segmentierung mit einem tiefen convolutionalen neuronalen Netzwerk (DCNN) kombiniert. Zwei gewichtete, gemeinsam nutzende Superpixel-Sampling-Netzwerke (SSNs) werden speziell für die Merkmalsextraktion und die Superpixel-Segmentierung von zeitlich paarweisen Bildern entworfen. Anschließend wird ein auf UNet basierendes Siamese-Neuronales Netzwerk eingesetzt, um differenzielle Informationen zu extrahieren. Die Superpixel werden anschließend genutzt, um die latente Rauschkomponente in pixelbasierten Merkmalskarten zu reduzieren, während gleichzeitig die Kantenstruktur erhalten bleibt; hierfür wird ein neuartiges Superpixelisierungsmodul vorgestellt. Darüber hinaus schlagen wir ein innovatives, adaptives Superpixel-Verschmelzungsmodul (ASM) vor, das die Abhängigkeit von der Anzahl der Superpixel kompensiert und dabei eine kompakte Struktur sowie vollständige Differenzierbarkeit aufweist. Zudem wird am Ende des Architekturrahmens ein pixelbasiertes Verfeinerungsmodul integriert, das mehrstufige dekodierte Merkmale nutzt. Experimente auf zwei öffentlichen Datensätzen bestätigen die Überlegenheit von ESCNet gegenüber klassischen sowie aktuellen state-of-the-art (SOTA)-Deep-Learning-basierten CD-Methoden (DLCD).