文章目录

  • 1. S2MTCP
  • 2. Hi-UCD
  • 3. SECOND
  • 4. CD_Data_GZ
  • 5. LEVIR-CD
  • 6. LEVIR-CD+
  • 7.SLADCD
  • 8. HRSCD
  • 9. Mts-WH
  • 10. WHU Building Change detection Dataset
  • 11. Synthetic images and read season-varying remote sensing images
  • 12. OSCD
  • 13. AICD Dataset
  • 14. SZTAKI
  • 15. Hyperspectral Change Detection Dataset
  • 16. GETNET
  • 17. HRCD
  • 18. ABCD dataset
  • 19. CDD（ChangeDetectionDataset）
  • 20. The River Data Set
  • 21. 遥感图像稀疏表征与智能分析竞赛-变化检测

1. S2MTCP

该数据集包含N = 1520个Sentinel-2 1C级图像对，这些图像对来源于世界各地的城市地区。空间分辨率小于10 m的波段将重新采样到10 m，并且图像将被裁剪为大约600x600像素。由于某些坐标位于Sentinel拼贴的边缘附近，因此某些图像的尺寸小于600x600像素，然后将图像裁剪到拼贴的边框。不执行几何或辐射校正。

地址：https://zenodo.org/record/4280482#.YCzfITOLTax

2. Hi-UCD

Hi-UCD专注于城市变化，并使用超高分辨率图像构建多时态语义变化以实现精细的变化检测。Hi-UCD的研究区域是爱沙尼亚首都塔林的一部分，面积30平方公里。2017-2018年有359对图像，2018-2019年有386对，2017-2019年有548对，包括图像，语义图和不同时间的更改图。每个图像的大小为1024 x 1024，空间分辨率为0.1 m。有9种物体，包括自然物体（水，草地，林地，光秃秃的土地），人造物体（建筑物，温室，道路，桥梁）和其他（与变化有关）的物体，基本上包括爱沙尼亚的所有类型的城市土地覆盖 。

地址：https://arxiv.org/abs/2011.03247

3. SECOND

SECOND是一个语义变化检测数据集，它从多个平台和传感器收集了4662对航空图像。这些图像对分布在杭州，成都和上海等城市。每个图像的尺寸为512 x 512，并在像素级别进行注释。第二个重点是6种主要的土地覆盖类别，即非植被地表，树木，低植被，水，建筑物和游乐场，它们经常涉及自然和人为的地理变化。

地址：

http://www.captain-whu.com/PROJECT/SCD/

百度云：

https://pan.baidu.com/s/1FSdlPB_EPk8SUAJZFcem9A

提取码：RSAI

4. CD_Data_GZ

这些图像是在2006年至2019年期间采集的，覆盖了中国广州市的郊区。为了促进图像对的生成，采用了BIGEMAP软件的Google Earth服务来收集19个随季节变化的VHR图像对，这些图像对具有红色，绿色和蓝色三个波段，空间分辨率为0.55 m，尺寸范围为1006×1168 像素到4936×5224像素。
地址：

https://github.com/daifeng2016/Change-Detection-Dataset-for-High-Resolution-Satellite-Imagery

百度云：

https://pan.baidu.com/s/1WxkJYsQwCxgT6RzNNAl9nw

提取码：RSAI

5. LEVIR-CD

LEVIR-CD包含637个超高分辨率（VHR，0.5m /像素）的Google Earth图像补丁对，大小为1024×1024像素。这些时间跨度为5到14年的比特影像具有重大的土地利用变化，尤其是建筑的增长。LEVIR-CD涵盖各种类型的建筑物，例如别墅，高层公寓，小型车库和大型仓库。完整注释的LEVIR-CD总共包含31,333个单独的变更构建实例。

地址：

https://justchenhao.github.io/LEVIR/

百度云：链接：

https://pan.baidu.com/s/1HlnKWToc00986jiTxhq_CA

提取码：RSAI

6. LEVIR-CD+

LEVIR-CD+数据集是大规模建筑变化检测数据集，是在现有公开数据集LEVIR-CD的基础上构建的。LEVIR-CD+一共包含1970个样本，其中985个样本作为训练，后985个样本用于测试。每个样本包含前时向遥感图像，后时相遥感图像以及对应的建筑变化标签图。本数据集中的遥感图像大小为1024 X 1024，分辨率为0.5米。标签图与图像大小相等，像素值为0或255，其中0代表没有建筑变化，255代表存在建筑变化。本数据集中变化的建筑实例数量大致为80000个。

LEVIR-CD+与LEVIR-CD的关系：LEVIR-CD中包含的637对样本数据作为LEVIR-CD+训练集的一部分。

有关LEVIR-CD数据集更详尽的介绍请查看

https://justchenhao.github.io/LEVIR/

地址：

http://rs.ia.ac.cn/cp/portal/dataDetail?name=LEVIR-CD%2B

7.SLADCD

Side Looking, All Daytime Change Detection (SLADCD) 数据集是大规模的建筑变化检测数据集。图像分辨率为0.5~1米。本数据集预计包含2万个样本，发布其中1万个训练和验证集样本（当前发布767对样本），保留1万个样本用于在线测评。

每个样本包含前时向遥感图像，后时相遥感图像以及对应的建筑变化标签图。本数据集中的遥感图像大小为1024 X 1024，配对切片中成像时间间隔为1年以上,前后时相已进行精细化配准，并制作了对应的标签图像。

标签图与图像等大，标签图像中为人工精细标注的前后时相中新建或拆除的建筑物轮廓。像素值为0或255，其中0代表没有建筑变化，255代表存在建筑变化。公开数据集中共包含超过8万个有变化的建筑实例，可用于变化检测深度学习方法的开发和验证。

SLADCD与LEVIR-CD+的关系：相比于LEVIR-CD+数据集关注城市建筑区域，SLADCD包含的更多农田、森林和荒漠地区；更为重要的是，SLADCD中图像为卫星侧视成像，导致图像配准精度的降低，增加了建筑物匹配的难度。SLADCD数据集对算法在复杂地物目标和成像条件下的鲁棒性有更高的要求，但也更增加了算法的实用价值。

值得指出的是，SLADCD数据集可用于侧视遥感图像的精细配准问题研究。

地址：

http://rs.ia.ac.cn/cp/portal/dataDetail?name=SLADCD

8. HRSCD

该数据集包含来自IGS的BD ORTHO数据库的291个RGB航空图像的注册图像对。提供了像素级更改和土地覆盖注释，这些注释是通过对Urban Atlas 2006，Urban Atlas 2012和Urban Atlas Change 2006-2012地图进行栅格化生成的。

地址：

https://ieee-dataport.org/open-access/hrscd-high-resolution-semantic-change-detection-dataset#files

9. 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，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：


地址：

http://sigma.whu.edu.cn/newspage.php?q=2019_03_26

10. WHU Building Change detection Dataset

数据集包含两个航拍图像（0.2m /像素，15354×32507），并提供了这两个航拍图像的变化矢量，变化栅格图以及两个相应的建筑物矢量。

地址：

https://study.rsgis.whu.edu.cn/pages/download/building_dataset.html

11. Synthetic images and read season-varying remote sensing images

该数据集具有三种类型：没有对象相对偏移的合成图像，对象相对偏移较小的合成图像，随季节变化的真实遥感图像（由Google Earth获得）。真实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

地址：

https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLII-2/565/2018/isprs-archives-XLII-2-565-2018.pdf

https://drive.google.com/uc?id=1GX656JqqOyBi_Ef0w65kDGVto-nHrNs9&export=download

百度云：链接：

https://pan.baidu.com/s/1fQGYoLXjqKhb5EW2a5lpCg

提取码：RSAI

12. OSCD

数据集解决了检测不同日期的卫星图像之间变化的问题。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）都选择了位置。对于每个位置，均提供了Sentinel-2卫星获得的13对波段的多光谱卫星图像对。

地址：

https://ieee-dataport.org/open-access/oscd-onera-satellite-change-detection#files

13. AICD Dataset

该数据集包含合成的航空图像，其中包含使用渲染引擎生成的人工更改。它包含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地面真值。

地址：

https://computervisiononline.com/dataset/1105138664

百度云：

https://pan.baidu.com/s/1ojXiE-JDiRy8Q91mTAXC5g

提取码：RSAI

14. SZTAKI

数据集包含13对大小为952x640像素的航拍图像，空间分辨率为1.5m。变化内容包含（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

地址：

http://web.eee.sztaki.hu/remotesensing/airchange_benchmark.html

百度云：

https://pan.baidu.com/s/1J843se8bkSTcL81Porc0Kg

提取码：RSAI

15. Hyperspectral Change Detection Dataset

该数据集可用于在多时间高光谱图像中执行变化检测技术。它包括来自AVIRIS传感器的两个不同的高光谱场景：圣塔芭芭拉场景，拍摄于2013年和2014年，使用AVIRIS传感器在圣塔芭芭拉地区（加利福尼亚州）上拍摄，其空间尺寸为984 x 740像素，包括224个光谱带。湾区场景，拍摄于2013年和2015年，AVIRIS传感器围绕帕特森市（加利福尼亚州）拍摄，其空间尺寸为600 x 500像素，包括224个光谱带。它还包括来自HYPERION传感器的高光谱场景：Hermiston城市场景，使用HYPERION传感器于2004年和2007年在Hermiston City地区（俄勒冈州）上拍摄，其空间尺寸为390 x 200像素，包括242个光谱带。在此场景中，确定了与作物过渡有关的5种变化类型。
地址：

https://citius.usc.es/investigacion/datasets/hyperspectral-change-detection-dataset

百度云：

https://pan.baidu.com/s/1EjVehntXbDq-9UyfJsTSdQ

提取码：RSAI

16. GETNET

该数据集有两个高光谱图像，分别在2013年5月3日和2013年12月31日在中国江苏省获得。它的尺寸为463×241像素，去除噪声带后可使用198个带。在真实地图中，白色像素代表变化的部分，黑色像素代表不变的部分。

地址：

https://ieeexplore.ieee.org/document/8418840/?denied=

17. HRCD


地址：

http://www.pshrcd.com/#/intro

18. 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)。

地址：

https://github.com/gistairc/ABCDdataset

百度云：

https://pan.baidu.com/s/111dc36JWV06Qva07dFdmUw

提取码：RSAI

19. CDD（ChangeDetectionDataset）

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。
百度云：

https://pan.baidu.com/s/1Xu0kIpThW2koLcyfcJEEfA

提取码：RSAI

20. The River Data Set

该数据集包含两幅高光谱影像，分别于2013年5月3日和12月31日采集自中国江苏省的某河流地区，所用传感器为Earth Observing-1 (EO-1) Hyperion，光谱范围为0.4—2.5 μm，光谱分辨率为10 nm，空间分辨率为30 m，影像大小为463×241像素，共有242个光谱波段，去除噪声后有198个波段可用。影像中的主要变化类型是河道缩减。

地址：

https://share.weiyun.com/5xdge4R

21. 遥感图像稀疏表征与智能分析竞赛-变化检测

本项竞赛以光学遥感图像为处理对象，参赛队伍使用主办方提供的遥感图像进行建筑物变化检测，主办方根据评分标准对变化检测结果进行综合评价。竞赛中将提供两个不同时间获取的大尺度高分辨率遥感图像（包含蓝、绿、红和近红外四个波段），以及图像中变化区域的二值化标注数据集。

地址：

http://rscup.bjxintong.com.cn/#/theme/4（已关闭）

百度云：

https://pan.baidu.com/s/1GZa_CxzWOcPOS54PM_FM2Q

提取码：RSAI

基于遥感影像的变化检测数据集相关推荐

  1. 文献《基于图分割的高分辨率遥感影像建筑物变化检测研究》的阅读笔记

    什么是图分割? 定义:将图像中的每个像元映射成图的顶点(像元自身的特征信息对应图中顶点属性),像素之间的相邻关系映射为图的边. 顶点:原始图像中每个像素映射为无向图的一个顶点: 顶点属性:像素自身的特 ...

  2. paddlepaddle打比赛之高分辨率遥感影像建筑物变化检测

    ★★★ 本文源自AlStudio社区精品项目,[点击此处]查看更多精品内容 >>> 1 赛事背景 城市是人类生活.生产的主要场所,在社会经济活动中处于重要位置.经济发展.人口增长和城 ...

  3. 2022“航天宏图杯”遥感影像耕地变化检测第四名方案简介

    这个赛题的训练数据其实和去年是一样的,只是是语义分割的评价指标改成了类似实例分割的指标. 1.赛道背景 变化检测对"耕地红线".土地利用监管等应用具有重要意义.利用多时相遥感数据, ...

  4. 基于遥感影像及轨迹数据融合的地图自动化生成器

    自动化的地图生成对于城市服务及基于位置服务非常重要,现有的工作研究主要利用遥感影像或可以充分反映地图路网情况的车辆轨迹数据生成地图,数据源较为单一,如果能将遥感影像数据及轨迹数据融合起来,地图生成的质 ...

  5. 基于遥感影像的耕地地块提取相关论文、代码以及相关开源数据集

    文章目录 前言 2000 (传统方法) Agricultural Field Extraction from Aerial Images Using a Region Competition Algo ...

  6. 遥感影像语义分割数据集

    遥感图像语义分割数据集 文章目录 遥感图像语义分割数据集 1.建筑 1.1 Aerial Image Segmentation Dataset 1.2 INRIA aerial image datas ...

  7. 遥感影像识别-制作数据集

    1. 目的与意义 遥感己被广泛应用于地质监视,气象监测,军事情报收集,环境保护,农情普查等众多领域.遥感图像分割旨将遥感图像所描述的复杂地物信息中感兴趣的地物类别划分为具有语义的闭合区域.人工目视解译 ...

  8. 基于遥感影像的道路提取论文、开源代码和数据集汇总

    文章目录 前言 2017 DeepRoadMapper Topology Loss 2018 RoadTracer iterative-deep-learning 2019 Leveraging Cr ...

  9. ArcGIS Pro基于遥感影像使用深度学习地物识别评估植被健康情况(教程）

    若内容图片加载失败,请联系博主qq624633573 1.内容梳理 对植被的健康状况进行清查和评估,需要花费大量的时间和劳动力.为简化这个过程,这一次,我们使用深度学习模型来识别树木,根据植被绿度来识 ...

最新文章

  1. DOS批处理高级教程精选(六)
  2. json模块及其API
  3. Codeforces Codeforces Round #319 (Div. 2) A. Multiplication Table 水题
  4. php考试倒计时提交系统,AJAX_基于Ajax技术实现考试倒计时并自动提交试卷，1.概述在开发网络考试系统 - phpStudy...
  5. java quartz spring_JavaLib-quartz | 基于Spring Boot Quartz开发的定时任务
  6. delphi无边框移动_墨竹工卡县边框护栏网【价格美丽产品厂家】
  7. UML学习笔记---了解UML,UML相关知识,相关概念
  8. 如何编写一个d.ts文件
  9. wincc怎么做数据库_wincc 数据库
  10. python自学-学习Python，从入门到精通，其实只需要两个月就够了
  11. 使用oradebug来获取跟踪文件的位置
  12. Spark SQL概念学习系列之Spark SQL入门（八）
  13. 大学生活没钱你会学习还是打工? C2 翻译有感
  14. bat批处理命令详解
  15. ireport 3.6.0 增加PDF字体、加粗失效、PDF中文不显示等问题
  16. 解决设置easyUI tabs onSelect事件时提示tabs未定义的方法
  17. 赞！WEB设计之路！网络视觉艺术发展史概览
  18. Docker容器与本地文件相互拷贝
  19. 基于smart_rtmp直播，最简单的部署手册
  20. ali-oss配合element上传130M以上的文件，浏览器直接崩溃，有大神知道是什么情况么

热门文章

  1. 做食材配送行业,哪个平台软件比较好?
  2. zzuli1728(数学期望，组合数)
  3. git操作后的各种后悔情况解决
  4. C语言进阶——函数指针
  5. FMCW雷达距离多普勒(RDM)处理方法中距离分辨率和速度分辨率的推导
  6. ubuntu下exiftool安装
  7. uni-app新闻小程序
  8. COMSOL弱形式解微分方程
  9. Python中使用BeautifulReport形成测试报告教程
  10. 使用小程序制作一个飞机大战小游戏