当前位置：文档之家 › 遥感图像数据集

遥感图像数据集

  • 格式：pdf
  • 大小：121.57 KB
  • 文档页数：2

遥感图像数据集

与⾃然图像相⽐航空遥感图像特殊性：

1，尺度多样性，航空遥感图像从⼏百⽶到近万⽶的拍摄⾼度都有，且地⾯⽬标即使是同类⽬标也⼤⼩不⼀，如港⼝的轮船⼤的有300多⽶，

⼩的也只有数⼗⽶；

2，视⾓特殊性，航空遥感图像的视⾓基本都是⾼空俯视，但常规数据集⼤部分还是地⾯⽔平视⾓，所以同⼀⽬标的模式是不同的，在常规

数据集上训练的很好的检测器，使⽤在航空遥感图像上可能效果很差；

3，⼩⽬标问题，航空遥感图像的⽬标很多都是⼩⽬标（⼏⼗个甚⾄⼏个像素），这就导致⽬标信息量不⼤，基于CNN的⽬标检测⽅法在常

规⽬标检测数据集上⼀骑绝尘，但对于⼩⽬标，CNN的Pooling层会让信息量进⼀步减少，⼀个24*24的⽬标经过4层pooling后只有约1个像素，使得维度过低难以区分出来；

4，多⽅向问题，航空遥感图像采⽤俯视拍摄，⽬标的⽅向都是不确定的（⽽常规数据集上往往有⼀定的确定性，如⾏⼈、车辆基本都是⽴

着的），⽬标检测器需要对⽅向具有鲁棒性；

5，背景复杂度⾼，航空遥感图像视野⽐较⼤（通常有数平⽅公⾥的覆盖范围），视野中可能包含各种各样的背景，会对⽬标检测产⽣较强的⼲扰。

①DOTA：A Large-scale Dataset for Object Detection in Aerial Images。这是武⼤遥感国重实验室夏桂松和华科电信学院⽩翔联合做的⼀个

数据集，2806张遥感图像（⼤⼩约4000*4000），188,282个instances，分为15个类别。样本类别及数⽬如下（与另⼀个开放数据集NWPUVHR-10对⽐）。

②UCAS-AOD：Dataset of Object Detection in Aerial Images，国科⼤模式识别实验室标注的，只包含两类⽬标：汽车，飞机，以及背景负

样本。

NWPU VHR-10：西北⼯业⼤学标注的航天遥感⽬标检测数据集，共有800张图像，其中包含⽬标的650张，背景图像150张，⽬标包括：飞

机、舰船、油罐、棒球场、⽹球场、篮球场、⽥径场、港⼝、桥梁、车辆10个类别。开放下载，⼤概73M。

③RSOD-Dataset：武汉⼤学团队标注，包含飞机、操场、⽴交桥、 油桶四类⽬标，数⽬分别为：

飞机：4993 aircrafts in 446 images.

操场： 191 playgrounds in 189 images.

⽴交桥： 180 overpass in 176 overpass.

油桶：1586 oiltanks in 165 images.④.INRIA aerial image dataset：Inria是法国国家信息与⾃动化研究所简称，该机构拥有⼤量数据库，其中此数据库是⼀个城市建筑物检测的

数据库，标记只有building, not building两种，且是像素级别，⽤于语义分割。训练集和数据集采集⾃不同的城市遥感图像。

⑤TGRS-HRRSD-Dataset：HRRSD是中国科学院西安光学精密机械研究所光学影像分析与学习中⼼制作⽤于研究⾼分辨率遥感图像⽬标检

测的数据集。

⑥DIOR：西⼯⼤韩军伟课题组提出了⼀种⽤于光学遥感图像中⽬标检测的⼤规模基准数据集“DIOR”，由23463幅图像和190288个⽬标实例

组成，并对近年来基于深度学习的⽬标检测⽅法进⾏了综述。

⑦xView：美国国防部的国防创新部门实验室（DIUx）、DigitalGlobe还有美国国家地理空间情报局的研究⼈员发布了xView。这是⼀个数据

集和其相关的竞赛，⽤于评估⼈⼯智能⽅法对⾼空卫星图像进⾏分类的能⼒。 xView包含60个类别的100万个不同对象，分布在1,400平⽅公⾥的卫星图像上，最⼤地⾯样本分辨率为0.3⽶。该数据集旨在测试图像识别的各个领域，包括：学习效率，细粒度类别检测和多尺度识别等。

数据集百度云：

合集下载

多源遥感图像数据融合技术综述

多源遥感图像数据融合技术综述

收稿日期:2004-08-16多源遥感图像数据融合技术综述

牛凌宇

(北京系统工程研究所,北京100101)

摘　要　针对具体实践需要,对现有应用最广泛的卫星遥感图像数据融合算法进行了

介绍,描述了其主要步骤,进行了定性分析,给出了图像融合效果评价的准则,指出了遥感图

像数据融合的发展方向。

主题词　IHS变换　小波变换　遥感图像融合

1　引　言

现代遥感技术的发展,使得人类能够从不同遥感平台获得不同空间分辨率、不同光谱特性的遥感

图像。对多源遥感图像进行处理,将它们所含的信息互补地有机结合起来,以提高图像判读的可靠

性,提高对图像的解译能力,提高数据分类和目标识别的准确性,已成为现代遥感技术发展的趋势。

遥感数据融合技术就是将不同类型传感器获取的同一地区的图像数据进行空间配准,然后采用一定

算法将各图像的优点或互补性有机结合起来产生新图像的技术。

多源遥感融合技术从层次上可分为三层:像素级、特征级和决策级。遥感信息融合相应在像素

级、特征级和决策级3个层次上进行,形成3种融合框架。其中像素级融合是最基础和最重要的,也

是目前融合领域研究的热点。因此本文以SPOTPan(全色波段)和Landsat-TM321多光谱图像为例,重点介绍多源遥感图像像素级融合技术。

一般来说,多光谱图像的光谱分辨率较高,但空间分辨率比较低,即空间的细节表现能力比较差;全色图像具有较高的空间分辨率,但光谱分辨率较低。因此,

将具有低空间分辨率的多光谱图像和具有高空间分辨率的全色光学图像进行融合,使融合后的多光谱图像具有较高的空间细节表现能力且

同时保留多光谱图像的光谱特性。研究表明,融合后的图像能更好地解释和描述被感知的对象或环

境,同单一信息源相比,能减少或抑制对被感知对象或环境解释中可能存在的多义性、不完全性、不确

定性和误差,最大限度地利用各种信息源提供的信息,从而提高了对图像的信息分析和提取能力,因

而广泛地应用于地形测绘和地图更新、土地资源调查、农业、森林资源调查和保护、军事等领域。

ImageNet图像数据集处理及说明_20160920

ImageNet图像数据集处理及说明_20160920

1

ImageNet图像数据集分类标签及对应的名称

这份数据是ILSVRC2012年比赛所有的数据，下载解压后如下：

请确认的确是你想要的数据，千万不要出现下载了一个礼拜，解压缩一个礼拜结果发现不是你想要的。

2.下载前请保证硬盘至少要有141G空间，多多益善。

3.必须使用百度云客户端下载，支持断点续传，不然出了点问题一切白费了。上传时速度1.4M/s用了大约30个小时完成。

4. 所有图片共分为1000个类别，这1000个类别的分类标签及对应的名称如下所述。例如第1类的标签为n01440764，第1类的名称为'tench, Tinca tinca'；

Define a cell of matlab:

Label1(1)={'daffff'}

Label2{1}=('dddfff')

Label2{1}={'dddfff'}

>>

Columns 1 through 9

'n01440764' 'n01443537' 'n01484850' 'n01491361' 'n01494475' 'n01496331' 'n01498041' 'n01514668' 'n01514859'

Columns 10 through 18

'n01518878' 'n01530575' 'n01531178' 'n01532829' 'n01534433' 'n01537544' 'n01558993' 'n01560419' 'n01580077' 2

Columns 19 through 27

'n01582220' 'n01592084' 'n01601694' 'n01608432' 'n01614925' 'n01616318' 'n01622779' 'n01629819' 'n01630670'

面向对象的遥感图像数据挖掘

面向对象的遥感图像数据挖掘

第２３卷第９期　

２００６年９月　计算机应用与软件　

Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　ａｎｄ　Ｓｏｆｔｗａｒｅ　Ｖｏ１．２３，Ｎｏ．９　

Ｓｅｐ．２００６　

面向对象的遥感图像数据挖掘　

王旭红　周明全　耿国华　

（西北大学城市与资源学系陕西西安７１００６９）　

（北京师范大学信息科学与技术学院北京１００８７５）　

（西北大学计算机科学与技术系陕西西安７１００６９）　

摘要　目的：研究基于面向对象的图像分析法的遥感影像数据挖掘技术。方法：应用区域分割算法——区域增长算法、最临近、　

模糊分类、知识库和模拟退火等数据挖掘的理论和算法进行遥感影像信息挖掘方法研究。结果：提出了基于面向对象遥感图像分析　

法的遥感影像信息挖掘方法。结论：指出面向对象的遥感图像分析是具有实际应用价值的高效的遥感图像信息挖掘方法之一。　

关键词　遥感　面向对象的图像分类语义网络　多尺度分割　类层　

ｏＢＪＥＣＴ－ｏＲＩＥＮＴＥＤ　ＲＥＭｏＴＥ　ＳＥＮＳⅡ　Ｇ】［Ｉ　ＡＧＥ　ＡＮＡＬＹＳＩＳ　

Ｗａｎｇ　Ｘｕｈｏｎｇ　Ｚｈｏｕ　Ｍｉｎｇｑｕａｎ　Ｇｅｎｇ　Ｇｕｏｈｕａ　

（Ｄｅｐａｒｔｍｅｎｔ　ｏｆＵｒｂａｎ　ａｎｄ　Ｒｅｓｏｕｒｃｏｓ　Ｓｃｉｅｎｃｅ，Ｎｏｒｔｈｗ￣ｔ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ＂ａｎ　Ｓｈａａｎｘｉ　７１００６９，Ｃｈｉｎａ）　

。（Ｃｏｌｌｅｇｅ　ｏｆＩｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１００８７５，Ｃｈｉｎａ）　

（Ｄｅｐａｒｔｍｅｎｔ　ｏｆＣｏｍｐｕｔｅｒ　Ｓｃ　耽ｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎｏｒｔｈｗｅｓｔ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ　Ｓｈａａｎｘｉ　７１００６９，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ　Ｐｕｒｐｏｓｅ：Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄ　ｉｍａｇｅ　ａｎａｌｙｓｉｓ　ｍｅｔｈｏｄ，ｉｔ　ｉｓ　ｉｎｔｅｎｄｅｄ　ｔｏ　ｒｅｓｅａｒｃｈ　ｔｈｅ　ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　

牛津建筑物数据集(The Oxford Buildings Dataset)_图像处理_科研数据集

牛津建筑物数据集(The Oxford Buildings Dataset)_图像处理_科研数据集

牛津建筑物数据集(The Oxford Buildings Dataset)

数据介绍：

The Oxford Buildings Dataset consists of 5062 images collected from

Flickr by searching for particular Oxford landmarks. The collection has

been manually annotated to generate a comprehensive ground truth for 11

different landmarks, each represented by 5 possible queries. This gives a

set of 55 queries over which an object retrieval system can be evaluated.

关键词：

牛津建筑物,特别,标志性建筑,地面实况,检索, Oxford

Buildings,particular,landmarks,ground truth,retrieval,

数据格式：

IMAGE

数据详细介绍：

The Oxford Buildings Dataset James Philbin and Andrew Zisserman

Overview

The Oxford Buildings Dataset consists of 5062 images collected from Flickr by searching for particular Oxford landmarks. The collection has been manually annotated to generate a comprehensive ground truth for 11 different landmarks, each represented by 5 possible queries. This gives a set of 55 queries over which an object retrieval system can be evaluated.