FSG-Net: Red de Compuerta Sinérgica Frecuencia-Espacial para la Detección de Cambios en Teledetección de Alta Resolución

FSG-Net: Frequency-Spatial Synergistic Gated Network for High-Resolution Remote Sensing Change Detection

September 8, 2025

Autores: Zhongxiang Xie, Shuangxi Miao, Yuhan Jiang, Zhewei Zhang, Jing Yao, Xuecao Li, Jianxi Huang, Pedram Ghamisi

cs.AI

Resumen

La detección de cambios a partir de imágenes de teledetección de alta resolución constituye un pilar fundamental en las aplicaciones de observación terrestre, aunque su eficacia se ve frecuentemente comprometida por dos desafíos críticos. En primer lugar, las falsas alarmas son comunes, ya que los modelos malinterpretan las variaciones radiométricas causadas por cambios temporales (por ejemplo, iluminación, estacionalidad) como cambios genuinos. En segundo lugar, una brecha semántica no despreciable entre las características abstractas profundas y las características superficiales ricas en detalles tiende a obstaculizar su fusión efectiva, lo que resulta en límites mal definidos. Para avanzar en la resolución de estos problemas, proponemos la Red de Compuerta Sinérgica Frecuencia-Espacial (FSG-Net), un paradigma novedoso que busca desentrañar sistemáticamente los cambios semánticos de las variaciones no deseadas. Específicamente, FSG-Net opera primero en el dominio de la frecuencia, donde un Módulo de Interacción Wavelet Consciente de Discrepancias (DAWIM) mitiga adaptativamente los pseudo-cambios al procesar de manera discriminada los diferentes componentes de frecuencia. Posteriormente, las características refinadas se mejoran en el dominio espacial mediante un Módulo de Atención Temporal-Espacial Sinérgica (STSAM), que amplifica la prominencia de las regiones de cambio genuino. Finalmente, para cerrar la brecha semántica, una Unidad de Fusión de Compuerta Ligera (LGFU) aprovecha la semántica de alto nivel para seleccionar e integrar de manera selectiva detalles cruciales de las capas superficiales. Experimentos exhaustivos en los benchmarks CDD, GZ-CD y LEVIR-CD validan la superioridad de FSG-Net, estableciendo un nuevo estado del arte con puntuaciones F1 de 94.16%, 89.51% y 91.27%, respectivamente. El código estará disponible en https://github.com/zxXie-Air/FSG-Net tras una posible publicación.

English

Change detection from high-resolution remote sensing images lies as a cornerstone of Earth observation applications, yet its efficacy is often compromised by two critical challenges. First, false alarms are prevalent as models misinterpret radiometric variations from temporal shifts (e.g., illumination, season) as genuine changes. Second, a non-negligible semantic gap between deep abstract features and shallow detail-rich features tends to obstruct their effective fusion, culminating in poorly delineated boundaries. To step further in addressing these issues, we propose the Frequency-Spatial Synergistic Gated Network (FSG-Net), a novel paradigm that aims to systematically disentangle semantic changes from nuisance variations. Specifically, FSG-Net first operates in the frequency domain, where a Discrepancy-Aware Wavelet Interaction Module (DAWIM) adaptively mitigates pseudo-changes by discerningly processing different frequency components. Subsequently, the refined features are enhanced in the spatial domain by a Synergistic Temporal-Spatial Attention Module (STSAM), which amplifies the saliency of genuine change regions. To finally bridge the semantic gap, a Lightweight Gated Fusion Unit (LGFU) leverages high-level semantics to selectively gate and integrate crucial details from shallow layers. Comprehensive experiments on the CDD, GZ-CD, and LEVIR-CD benchmarks validate the superiority of FSG-Net, establishing a new state-of-the-art with F1-scores of 94.16%, 89.51%, and 91.27%, respectively. The code will be made available at https://github.com/zxXie-Air/FSG-Net after a possible publication.