La détection de changement (CD) dans les images de télédétection est une tâche cruciale avec des applications en surveillance environnementale, développement urbain et gestion des catastrophes. La CD consiste à utiliser des images bitemporales pour identifier les changements au fil du temps. Les relations spatiales bitemporales entre les caractéristiques situées au même emplacement à différents moments jouent un rôle clé dans ce processus. Cependant, les réseaux de détection de changement existants ne tirent souvent pas pleinement parti de ces relations spatiales lors de l'extraction et de la fusion des caractéristiques bitemporales. Dans cette étude, nous proposons SRC-Net : un réseau prenant en compte les relations spatiales bitemporales pour la CD. Le SRC-Net proposé comprend un module de Perception et d'Interaction qui intègre les relations spatiales et établit un mécanisme de perception inter-branche pour améliorer la précision et la robustesse de l'extraction des caractéristiques. De plus, un module de Fusion de Caractéristiques en Mode Patch est introduit pour résoudre le problème de perte d'information dans les méthodes actuelles. Il prend en compte différents modes de changement et s'intéresse aux relations spatiales, ce qui conduit à des caractéristiques fusionnées plus expressives. En outre, nous avons construit un nouveau réseau utilisant ces deux modules prenant en compte les relations et mené des expériences sur les jeux de données LEVIR-CD et WHU Building. Les résultats expérimentaux montrent que notre réseau surpassent les méthodes d'état de l'art (SOTA) tout en maintenant un nombre modeste de paramètres. Nous croyons que notre approche établit un nouveau paradigme pour la détection de changement et inspirera davantage d'avancées dans ce domaine. Le code source et les modèles sont disponibles publiquement sur https://github.com/Chnja/SRCNet.