遥感图像变化检测数据集

转载请注明出处

---

更新：2020/04/15

---

Multispectral

1. 武汉多时相场景变化检测数据集 (MtS-WH)

Multi-temp Scene Wuhan(MtS-WH) 数据集主要用于进行场景变化检测的方法理论研究与验证。场景变化检测就是在场景语义的层次上，对一定范围区域的土地利用属性变化情况进行检测和分析。

本数据集主要包括两张由IKONOS传感器获得的VHR图像，大小为7200 x 6000的大尺寸高分辨率遥感影像。覆盖范围为中国武汉市汉阳区。影像分别获取于2002年2月和2009年6月，经过GS算法融合，分辨率为1m，包含4个波段（蓝，绿，红和近红外波段）。

整个数据集的训练样本和测试样本都是在大尺度高分辨率遥感影像中选取产生的。每个时相训练集包括190张影像，测试集包括1920张影像。训练集和测试集的场景图片共划分为以下几个类别：

 

该数据集并不是像素级标注，而是每150 * 150 pixel作为一个网格，设置一个类别。

 

2. Onera Satellite Change Detection Dataset （OSCD）

它包含2015年至2018年之间从Sentinel-2卫星拍摄的24对多光谱图像。在世界各地（巴西，美国，欧洲，中东和亚洲）都选择了一些位置。 对于每个位置，均提供了Sentinel-2卫星获得的13个波段的多光谱卫星图像的配准对。 图像的空间分辨率在10m，20m和60m之间变化。其中的14对图像提供了像素级变化的ground truth。 带注释的更改集中于城市变化，例如新建筑物或新道路。

数据集的具体描述在这篇论文中（我的笔记），比较详细地介绍了数据集的获取方式，注释特点，和一些局限性。该数据集专注于城市区域，仅urban growth and changes被标记为 Change ，而像 vegetation growth 或 sea tides 的 natural changes 被标注为 no Change。

 

                        

其余10幅图像的ground truth仍未公开。变更预测图可以上传至IEEE GRSS DASE网站进行评估。

Note：数据集的 Train Labels（ground truth）的.png图像中，有的是三通道，有的是四通道，编程处理的时候需要注意。

 

3. The Aerial Imagery Change Detection (AICD) dataset

此数据集包含1000对800x600图像，每对包括一个参考图像和一个测试图像，以及1000个对应的800x600 ground truth。 这些图像是使用游戏Virtual Battle Station 2的渲染引擎进行渲染，生成的，并不是真实的图像。

Shadows

NoShadow

GroundTruth

 

4.  LANDSAT images 

美国国家地质调查局（USGS）网站上提供的LANDSAT图像开发的图像集。 该网站提供各种分辨率的图像，并提供图像中已发生更改的详细说明。可通过 dropbox | 百度网盘（b37d）获得。

 

5.  SZTAKI AirChange Benchmark set

该基准集包含13对航空影像，尺寸为952x640，分辨率为1.5m/pixel，以及binary change masks（手工绘制）。
每个记录都包含一对初步配准的输入图像和change mask。 在生成change mask时，数据集将以下差异视为相关更改：（a）新建城区（b）建筑施工（c）种植大批树木（d）新的耕地（e）重建前的基础工作。 请注意，ground truth不包含变化分类，仅为每个像素标注 变化/不变化 标签。这是最常用的数据集之一。 

该数据集的下载需要账号和密码：sztaki  deva

 

6. SCID: Semantic Change detection Image Dataset

 说的挺好，但还未公开。

SCID是用于遥感影像中语义变化检测问题的数据集。 它由555对大小为512x512的遥感图像组成，可用于生成和评估语义变化检测器。 这些SCID图像的每个像素都标注了三个主要类别，分别是“不变”，“季节性变化”和“使用模式变化”。“季节变化”意味着图像对中具有相应位置的像素代表季节变化，例如草地变成裸地。  “使用模式改变”意味着图像对中具有对应位置的像素表示具有使用模式改变，例如，空地转向居住区。

 

7. ABCD dataset

ABCD（AIST Building Change Detection）数据集是一个标记数据集，专门用于构建和评估损坏检测系统，以识别建筑物是否已被海啸冲走。该数据集中的每个数据都是一对海啸前后的航拍图像，并包含位于图像中心的目标建筑物。 分配给每个贴片对的类别标签（即“冲走”或“幸存”）表示海啸发生前贴片中心的建筑物是否被海啸冲走。

图像分为两种：fixed-scale and resized。 Fixed-scale patches从航拍图像中裁剪出固定的160 x 160像素的图像； 因此它们具有与原始图像相同的分辨率（40厘米）。 相反，resized patches 根据每个目标建筑的大小进行裁剪(具体来说，是目标建筑的三倍大)，然后全部调整为128 x 128像素； 因此 patches 的空间比例因建筑物而异。 所得的ABCD数据集包含 8,506 pairs for fixed-scale (4,253 washed-away) and 8,444 pairs for resized (4,223 washed-away)。

根目录包含两个目录：fixed-scale /和resized /，每个目录对应于如上所述的fixed-scale和resize图像。 每个目录都有两个子目录：patch-pairs /和5fold-list /。 在patch-pairs/中，"washed-away" 和 "surviving" patch pairs 以.tif格式存储。 每个.tif文件包含6个通道，前三个通道用于海啸前的RGB图像，后三个通道用于海啸后的图像。 另外，5fold-list /中是csv文件，格式如下：

"1" for "washed-away" and "0" for "surviving"

 

fixed-scale

resized

 

8. CDD （in this Paper）

该数据集具有三种类型：没有对象相对移动的合成图像，对象相对移动较小的合成图像，随季节变化的真实遥感图像（由Google Earth获得）。 随季节变化的遥感图像具有16000个图像集，图像尺寸为256x256像素（10000个训练集以及3000个测试和验证集），空间分辨率为3至100 cm / px。可以通过 Google Drive | 百度网盘（x8gi） 获得。

数据集中包含生成图像（具有随机背景和随机不相交的几何图形（正方形，圆形，矩形，三角形）的RGB图像对）和真实图像。具体介绍在论文的 EXPERIMENTS 部分。

A

 

B

 

OUT

 

9. BCDD (in this Paper)

数据集覆盖了2011年2月发生6.3级地震的区域，并在随后的几年中进行了重建。 该数据集包含2012年4月获得的航拍图像，其中包含20.5平方千米的12796座建筑物（2016年数据集中的同一区域有16077座建筑物）。 通过手动选择地面上的30个GCP，将子数据集地理校正为航空图像数据集，精确度为1.6像素。

两个100％重叠的数据集，分别命名为“ after_change”和“ before_change”，可以完全用于测试变化检测算法的效果。

 

参考：Awesome Remote Sensing Change Detection