好远好远的图像处理---综述
目录
- 背景
-
- 行业动态
- 大规模遥感数据集上的预训练
- 数据集超链接
- 场景分类数据集
- 检测数据集
-
-
- SAR 图像数据集
- 遥感图像 灾害数据集
- 高分细粒度 检测
-
- 分割数据集
- 图像标注
- 领域专家
- 高光谱
- 应用
- 灰机找茬
背景
常规目标检测数据集有很多，现在前沿的目标检测算法（如Faster R-CNN, Yolo, SSD, Mask R-CNN等）基本都是在这些常规数据集上实验的，但是，基于常规数据集训练的分类器，在航空遥感图像上的检测效果并不好，主要原因是航空遥感图像有其特殊性：
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。
基于以上原因，对于航空遥感图像目标检测任务，常规数据集往往难以训练出理想的目标检测器，需要专门的航空遥感图像数据库。
2020年SCI期刊影响因子(遥感, 地理, 水文类)
行业动态
预见2022：《2022年中国商业遥感卫星行业全景图谱》(附市场现状、竞争格局和发展趋势等)
2022年全球遥感卫星产业发展现状及市场规模分析 商用比例达到46.88%【组图】
在卫星遥感影像获取与遥感应用之间，构建「关键环节」
【风口系列】太空过年只是第一步，卫星遥感技术还有发展大空间，产业链深度解析（附股）----（xys：高分辨率卫星一览）
大规模遥感数据集上的预训练
RSP：遥感预训练的实证研究
数据集超链接
深度学习中的遥感影像数据集~持续更新
飞桨-遥感影像数据集汇总
数据分享01期|遥感目标检测数据集（更新）
数据分享02期|场景分类数据集总结
数据分享03期|语义分割数据集
数据分享04期|建筑物分割数据集
数据分享05期|变化检测数据集
数据分享06期|LiDAR点云数据分享
数据分享07期|高光谱遥感影像数据集（更新）
On Creating Benchmark Dataset for Aerial Image
Interpretation: Reviews, Guidances and Million-AID
场景分类数据集
场景分类综述——Remote Sensing Image Scene Classification Meets Deep Learning
遥感图像场景分类常用数据集
-
UC Merced Land-Use Data Set
UC Merced Land-Use Dataset 是一个用于研究的 21 级土地利用图像遥感数据集，共拥有 100 类图像，均提取自 USGS National Map Urban Area Imagery 系列，其被用于全国各地的城市地区。此数据集公共领域图像的像素分辨率为 1 英尺，图像像素大小为 256*256，包含 21 个类别的场景图像共计 2100 张，其中每个类别有 100 张。
该数据集由 UC Merced 计算机视觉 实验室于 2010 年发布，相关论文有《Bag-Of-Visual-Words and Spatial Extensions for Land-Use Classification》。 -
WHU-RS19 Data Set
WHU-RS19 Dataset 是一个遥感影像数据集，其包含 19 个类别的场景影像共计 1005 张，其中每个类别有 50 张。
该数据集由武汉大学于 2011 年发布，相关论文有《Satellite Image Classification via Two-layer Sparse Coding with Biased Image Representation》。 -
SIRI-WHU Data Set
SIRI-WHU Dataset 是一个遥感影像数据集，其包含 12 个类别的场景图像共计 2400 张，其中每个类别有 200 张，每张图像的像素尺寸为 200*200，空间分辨率为 2 米。数据集资源来自 Google Earth，主要涵盖中国城市地区，其中场景图像数据集由武汉大学 RS-IDEA 集团设计。
该数据集由武汉大学于 2016 年发布，相关论文有《Bag-of-Visual-Words Scene Classifier with Local and Global Features for High Spatial Resolution Remote Sensing Imagery》和《Dirichlet-Derived Multiple Topic Scene Classification Model Fusing Heterogeneous Features for High Spatial Resolution Remote Sensing Imagery》。 -
RSSCN7 Data Set
RSSCN7 Dataset 包含 2800 幅遥感图像，这些图像来自于 7 个典型的场景类别 —— 草地、森林、农田、停车场、住宅区、工业区和河湖，其中每个类别包含 400 张图像，分别基于 4 个不同的尺度进行采样。
该数据集中每张图像的像素大小为 400*400，场景图像的多样性导致其具有较大的挑战性，这些图像来源于不同季节和天气变化，并以不同的比例进行采样。
RSSCN7 数据集由武汉大学的秦邹于 2015 年发布，相关论文有《Deep learning based feature selection for remotesensing scene classification》。 -
RSC11 Data Set
RSC11 Dataset 是一个遥感影像数据集，来源于 Google Earth 的高分辨率遥感影像，其中每张图的像素大小为 512*512，合计包含 11 类场景图像，其中每类有约 100 张共计 1232 张。
该数据集由中科院于 2015 年发布，主要发布人为赵立军。 -
NWPU-RESISC45 dataset
45类场景 ， 2017
西北工业大学 遥感图像场景分类数据集 45类
NWPU Dataset 是一个遥感影像数据集，其中 NWPU-RESISC45 Dataset 是由西北工业大学创建的遥感图像场景分类可用基准，该数据集包含像素大小为 256*256 共计 31500 张图像，涵盖 45 个场景类别，其中每个类别有 700 张图像。
这 45 个场景类别包括飞机、机场、棒球场、篮球场、海滩、桥梁、丛林、教堂、圆形农田、云、商业区、密集住宅、沙漠、森林、高速公路、高尔夫球场、地面田径、港口、工业地区、交叉口、岛、湖、草地、中型住宅、移动房屋公园、山、立交桥、宫、停车场、铁路、火车站、矩形农田、河、环形交通枢纽、跑道、海、船舶、雪山、稀疏住宅、体育场、储水箱、网球场、露台、火力发电站和湿地。
该数据集由西北工业大学发布，相关论文有《Remote Sensing Image Scene Classification: Benchmark and State of the Art》。 -
AID Dataset
AID Dataset 是一个遥感影像数据集，其包含 30 个类别的场景图像，其中每个类别有约 220 – 420 张，整体共计 10000 张，其中每张像素大小约为 600*600。
该数据集由华中科技大学和武汉大学于 2017 年发布。
下载地址：https://pan.baidu.com/s/1mifOBv6#list/path=%2F -
2020年全球30米地表覆盖精细分类产品
共享链接：http://data.casearth.cn/sdo/detail/5fbc7904819aec1ea2dd7061
检测数据集
SAR图像船舶检测数据集公开发布
航空遥感图像(Aerial Images)目标检测数据集汇总
-
TAS 2008
正框标注，1类，光学谷歌
Consists of 30 images of 729x636 pixels from Google Earth and ∼1,300 vehicles. url: http://ai.stanford.edu/∼gaheitz/Research/TAS/ -
OIRDS 2009
Consists for 900 images (0.08-0.3m/pixel) captured by aircraft-mounted camera
and 1,800 annotated vehicle targets. url: https://sourceforge.net/projects/oirds/ -
DLR3K 2013
The most frequently used datasets for small vehicle detection. Consists of 9,300 cars and 160 trucks. url: https://www.dlr.de/eoc/en/desktopdefault.aspx/tabid-5431/9230_read-42467/ -
UCAS-AOD 2015
斜框标注，2类，光学谷歌图像
Consists of ∼900 Google Earth images, ∼2,800 vehicles and ∼3,200 airplanes. url:
http://www.ucassdl.cn/resource.asp
Dataset of Object Detection in Aerial Images，中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。样本数量如下：
-
INRIA aerial image dataset: 2016
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。链接：https://project.inria.fr/aerialimagelabeling/ -
VeDAI 2016
斜框标注，9类，光学航空图像，主要关于交通工具
Consists of ∼1,200 images (0.1-0.25m/pixel), ∼3,600 targets of 9 classes. Designed
for detecting small target in remote sensing images. url: https://downloads.greyc.fr/vedai/ -
NWPU_VHR10 2016
正框标注，10类，光学谷歌图像
The most frequently used remote sensing detection dataset in recent years.
Consists of ∼800 images (0.08-2.0m/pixel) and ∼3,800 remote sensing targets
of ten classes (e.g., airplanes, ships, baseball diamonds, tennis courts, etc). url:
http://jiong.tea.ac.cn/people/JunweiHan/NWPUVHR10dataset.html
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. -
RSOD-Dataset：2017
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.
url：https://github.com/RSIA-LIESMARS-WHU/RSOD-Dataset- -
xView 2018
正框标注，60类，光学图像
The largest remote sensing detection dataset so far. Consists of ∼1,000,000 remote
sensing targets of 60 classes (0.3m/pixel), covering1,415km2
of land area. url:
http://xviewdataset.org -
DOTA 2018
斜框标注，14类，光学谷歌图像
The first remote sensing detection dataset to incorporate rotated bounding boxes.
Consists of ∼2,800 Google Earth images and ∼200,000 instances of 15 classes. url: https://captain-whu.github.io/DOTA/dataset.html
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，包括ship、tank、harbor（港口）。样本类别及数目如下（与另一个开放数据集NWPU VHR-10对比）：
-
LEVIR 2018
Consists of ∼22,000 Google Earth images and ∼10,000 independently labeled
targets (airplane, ship, oil-pot). url: https://pan.baidu.com/s/1geTwAVD -
中国科学院空天信息研究院-SAR图像船舶检测数据集 2019
url：https://github.com/CAESAR-Radi/SAR-Ship-Dataset -
DIOR 2019
Object Detection in Optical Remote Sensing Images—A Survey and A New Benchmark
数据集： http://www.escience.cn/people/gongcheng/DIOR.html
SAR 图像数据集
SAR（遥感、卫星） 图像常用数据集
-
Brazilian Coffee Scenes 2005
数据集较小，5MB左右；
这个数据集是由SPOT sensor在2005年拍摄的巴西米纳斯吉拉斯州的四个县的场景组成:Arceburgo, Guaranesia, Guaxupe和Monte Santo。由于作物管理技术的不同，造成了许多内部差异。此外，咖啡是一种常绿作物，米纳斯吉拉斯州南部是山区，这意味着该数据集包含了不同植物年龄和/或阴影造成的光谱扭曲的场景。
url: http://www.patreo.dcc.ufmg.br/2017/11/12/brazilian-coffee-scenes-dataset/ -
UC Merced Land Use Dataset 2010
This is a 21 class land use image dataset meant for research purposes.
There are 100 images for each of the following classes:
agricultural
airplane
baseballdiamond
beach
buildings
chaparral
denseresidential
forest
freeway
golfcourse
harbor
intersection
mediumresidential
mobilehomepark
overpass
parkinglot
river
runway
sparseresidential
storagetanks
tenniscourt
Each image measures 256x256 pixels.
url: http://weegee.vision.ucmerced.edu/datasets/landuse.html -
中国科学院空天信息研究院-SAR图像船舶检测数据集 2019
url：https://github.com/CAESAR-Radi/SAR-Ship-Dataset -
美国地址调查局
要从网站上截图下，相关介绍：https://sspai.com/post/41939
利用美国地质调查局（USGS）图像数据库，里面有美国在冷战时期，利用间谍卫星拍摄的图像，美国在90年代以及21世纪初分批解密了这些数据，间谍卫星当时几乎记录了中国全境的高清照片。
美国USGS地址：https://earthexplorer.usgs.gov/
遥感图像 灾害数据集
xBD 自然灾害图像数据集
相关论文：《Building Disaster Damage Assessment in Satellite Imagery with Multi-Temporal Fusion》（《具有多时相融合的卫星影像中的建筑物灾害破坏评估》）
航拍图像森林火情检测数据集：FLAME。国内下载链接：https://pan.baidu.com/s/1obRiPgI0-JJMJ-NFmFuJXA
提取码：52CV
更多详情：http://link.52cv.net/q3LxA
高分细粒度 检测
【数据】百万级遥感图像细粒度目标识别数据集发布！
下载地址：http://gaofen-challenge.com
- 如何从检测数据集中裁剪出旋转的矩形区域，制作分类数据集
三分钟学会用Python+OpenCV批量裁剪xml格式标注的图片
Cropping Rotated Rectangles from Image with OpenCV
opencv抠出图像中的有角度的矩形框
分割数据集
作物数据集-nips2021
—对应的github：https://github.com/nasaharvest/cropharvest
图像标注
GeoLabel遥感样本标注与分析
领域专家
Zhengxia Zou 北航、密歇根大学 个人主页：http://www-personal.umich.edu/~zzhengxi/
Zhenwei Shi 北航 个人主页：
韩军伟 西北工业大学 个人主页：http://jiong.tea.ac.cn/people/JunweiHan/index.html
高光谱
高光谱图像分类的一个github库
https://hub.fastgit.org/IIMARSS/HSI_3DCNN
高光谱数据集
Hyperspectral Remote Sensing Scenes
Deep Pyramidal Residual Networks for Spectral–Spatial Hyperspectral Image Classification—TGRS2018
源码： https://github.com/mhaut/pResNet-HSI
应用
人工智能在减灾遥感中的应用
灰机找茬
教你一眼识别波音和空客！
傻傻分不清？空客波音麦道型号分辨大全
从外观快速区分波音与空客