La détection d’objets par télédétection (RSOD) souffre fréquemment de dégradations telles que une faible résolution spatiale, du bruit de capteur, un flou de mouvement et une éclairage défavorable. Ces facteurs réduisent la distinctivité des caractéristiques, entraînant des représentations d’objets ambigües et une séparation insuffisante entre le premier plan et le fond. Les méthodes actuelles de RSOD présentent des limites dans la détection robuste d’objets de faible qualité. Pour relever ces défis urgents, nous proposons LEGNet, un réseau principal léger doté d’un nouveau module d’agrégation Edge-Gaussian (EGA), spécifiquement conçu pour améliorer la représentation des caractéristiques issues d’images satellitales de faible qualité. Le module EGA intègre : (a) des filtres Scharr sensibles à l’orientation, permettant de renforcer les détails cruciaux des contours souvent perdus dans des objets à faible contraste ou flous, et (b) un raffinement des caractéristiques basé sur une priorité gaussienne, destiné à supprimer le bruit et à régulariser les réponses de caractéristiques ambiguës, renforçant ainsi la salience du premier plan dans des conditions difficiles. Le module EGA atténue efficacement des problèmes courants tels que la faible contraste, les discontinuités structurelles et les réponses de caractéristiques ambigües présents dans les images dégradées, améliorant ainsi la robustesse du modèle tout en préservant une efficacité computationnelle élevée. Des évaluations complètes sur cinq benchmarks (DOTA-v1.0, v1.5, DIOR-R, FAIR1M-v1.0 et VisDrone2019) démontrent que LEGNet atteint des performances de pointe, en particulier dans la détection d’objets de faible qualité. Le code est disponible à l’adresse suivante : https://github.com/lwCVer/LEGNet.