リモートセンシングオブジェクト検出（RSOD）は、低空間分解能、センサノイズ、運動ブラー、悪化した照明条件といった劣化要因により、しばしば性能が低下する。これらの要因は特徴の明確性を損なうため、オブジェクト表現が曖昧になり、前景と背景の分離が不十分となる。従来のRSOD手法は、低品質なオブジェクトに対するロバストな検出能力に限界を示している。こうした重要な課題に対応するため、本研究では、低品質なリモートセンシング画像から得られる特徴表現を強化することを目的として、新規のエッジ・ガウス集約（Edge-Gaussian Aggregation: EGA）モジュールを搭載した軽量バックボーンネットワーク「LEGNet」を提案する。EGAモジュールは以下の2つの要素を統合している：（a）方向感知型のScharrフィルタを用いて、低コントラストまたはぼやけたオブジェクトで容易に消失する重要なエッジ情報を明確化し、（b）ガウス事前分布に基づく特徴の精緻化により、ノイズを抑制し、曖昧な特徴応答を正則化し、厳しい条件下でも前景の目立たせを向上させる。EGAモジュールは、画像劣化に伴うコントラスト低下、構造的不連続性、曖昧な特徴応答といった一般的な問題を効果的に緩和し、計算効率を維持しつつモデルのロバスト性を著しく向上させる。5つのベンチマーク（DOTA-v1.0、v1.5、DIOR-R、FAIR1M-v1.0、VisDrone2019）における包括的な評価結果から、LEGNetは特に低品質オブジェクトの検出において最先端の性能を達成することが示された。コードは以下のURLで公開されている：https://github.com/lwCVer/LEGNet。