FSG-Net: Rete Sinergica a Cancello Frequenza-Spaziale per il Rilevamento di Cambiamenti in Telerilevamento ad Alta Risoluzione

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

September 8, 2025

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

cs.AI

Abstract

Il rilevamento dei cambiamenti dalle immagini remote ad alta risoluzione rappresenta una pietra angolare delle applicazioni di osservazione terrestre, ma la sua efficacia è spesso compromessa da due sfide critiche. In primo luogo, i falsi allarmi sono prevalenti poiché i modelli interpretano erroneamente le variazioni radiometriche dovute a cambiamenti temporali (ad esempio, illuminazione, stagione) come cambiamenti reali. In secondo luogo, un divario semantico non trascurabile tra le caratteristiche astratte profonde e le caratteristiche superficiali ricche di dettagli tende a ostacolare la loro fusione efficace, portando a confini mal delineati. Per affrontare ulteriormente questi problemi, proponiamo la Frequency-Spatial Synergistic Gated Network (FSG-Net), un nuovo paradigma che mira a separare sistematicamente i cambiamenti semantici dalle variazioni spurie. Nello specifico, FSG-Net opera inizialmente nel dominio della frequenza, dove un Discrepancy-Aware Wavelet Interaction Module (DAWIM) mitiga adattivamente i pseudo-cambiamenti elaborando selettivamente le diverse componenti di frequenza. Successivamente, le caratteristiche raffinate vengono potenziate nel dominio spaziale da un Synergistic Temporal-Spatial Attention Module (STSAM), che amplifica la salienza delle regioni di cambiamento reale. Infine, per colmare il divario semantico, una Lightweight Gated Fusion Unit (LGFU) sfrutta la semantica di alto livello per selezionare e integrare in modo selettivo i dettagli cruciali dagli strati superficiali. Esperimenti completi sui benchmark CDD, GZ-CD e LEVIR-CD convalidano la superiorità di FSG-Net, stabilendo un nuovo stato dell'arte con punteggi F1 rispettivamente del 94,16%, 89,51% e 91,27%. Il codice sarà reso disponibile su https://github.com/zxXie-Air/FSG-Net dopo una possibile pubblicazione.

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.