高分辨率（VHR）遥感图像变化检测（Change Detection, CD）因其丰富的空间信息和样本不平衡问题，一直是一项极具挑战性的任务。本文提出了一种分层变化引导图网络（Hierarchical Change Guiding Map Network, HCGMNet）用于变化检测。该模型采用分层卷积操作提取多尺度特征，并通过逐层融合多尺度特征，有效增强全局与局部信息的表达能力。同时，引入变化引导模块（Change Guide Module, CGM），该模块基于带有变化引导图的自注意力机制，引导模型逐步优化边缘特征并提升整体检测性能。在两个典型变化检测数据集上的大量实验结果表明，所提出的HCGMNet架构在变化检测性能上优于现有的最先进（State-of-the-Art, SOTA）方法。