摘要

遥感目标检测（Remote Sensing Object Detection, RSOD）常面临低空间分辨率、传感器噪声、运动模糊以及光照条件恶劣等问题。这些因素会削弱特征的区分能力，导致目标表征模糊，前景与背景分离不充分。现有RSOD方法在低质量目标的鲁棒检测方面仍存在明显局限。为应对上述挑战，本文提出LEGNet——一种轻量级主干网络，其核心为一种新型边缘-高斯聚合（Edge-Gaussian Aggregation, EGA）模块，专为提升低质量遥感图像的特征表示能力而设计。EGA模块包含两个关键组件：(a) 方向感知的Scharr滤波器，用于增强低对比度或模糊目标中常被丢失的关键边缘细节；(b) 基于高斯先验的特征精炼机制，可有效抑制噪声并规范模糊的特征响应，从而在复杂条件下增强前景区域的显著性。该模块显著缓解了图像退化带来的对比度降低、结构不连续及特征响应模糊等普遍问题，显著提升了模型的鲁棒性，同时保持了较高的计算效率。在五个基准数据集（DOTA-v1.0、v1.5，DIOR-R，FAIR1M-v1.0，VisDrone2019）上的全面评估表明，LEGNet在目标检测性能上达到当前最优水平，尤其在低质量目标检测方面表现突出。代码已开源，地址为：https://github.com/lwCVer/LEGNet。