FSG-Net: Синергетическая сеть с частотно-пространственными воротами для обнаружения изменений на снимках высокого разрешения

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

September 8, 2025

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

cs.AI

Аннотация

Обнаружение изменений по высококачественным спутниковым изображениям является краеугольным камнем приложений для наблюдения за Землей, однако его эффективность часто снижается из-за двух ключевых проблем. Во-первых, ложные срабатывания возникают, когда модели ошибочно интерпретируют радиометрические изменения, вызванные временными сдвигами (например, освещением, сезонностью), как реальные изменения. Во-вторых, значительный семантический разрыв между глубокими абстрактными признаками и поверхностными, богатыми деталями признаками затрудняет их эффективное объединение, что приводит к плохо очерченным границам. Для решения этих проблем мы предлагаем Frequency-Spatial Synergistic Gated Network (FSG-Net) — новую парадигму, которая систематически разделяет семантические изменения и ложные вариации. В частности, FSG-Net сначала работает в частотной области, где модуль Discrepancy-Aware Wavelet Interaction Module (DAWIM) адаптивно устраняет псевдоизменения, избирательно обрабатывая различные частотные компоненты. Затем уточненные признаки усиливаются в пространственной области с помощью модуля Synergistic Temporal-Spatial Attention Module (STSAM), который повышает значимость областей с реальными изменениями. Для преодоления семантического разрыва Lightweight Gated Fusion Unit (LGFU) использует высокоуровневую семантику для избирательного управления и интеграции ключевых деталей из поверхностных слоев. Комплексные эксперименты на наборах данных CDD, GZ-CD и LEVIR-CD подтверждают превосходство FSG-Net, устанавливая новый эталон с показателями F1-score 94,16%, 89,51% и 91,27% соответственно. Код будет доступен по адресу https://github.com/zxXie-Air/FSG-Net после возможной публикации.

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.