MtS-WH Dataset

武汉多时相场景（MtS-WH）数据集主要用于场景变化检测方法的理论研究和验证。场景变化检测是在场景语义级别检测和分析特定区域的土地利用变化。该数据集由两幅大尺寸VHR图像组成，分别于2002年2月和2009年6月通过IKONOS传感器获取，覆盖中国武汉市汉阳区，包含4个光谱带（蓝、绿、红和近红外）。图像的空间分辨率在Gram–Schmidt算法融合后为1米。

The Wuhan Multi-temporal Scene (MtS-WH) dataset is primarily utilized for theoretical research and validation of scene change detection methods. Scene change detection involves the detection and analysis of land use changes in specific areas at the semantic level of the scene. This dataset comprises two large-scale VHR (Very High Resolution) images, captured by the IKONOS sensor in February 2002 and June 2009, respectively, covering the Hanyang District of Wuhan, China. It includes four spectral bands (blue, green, red, and near-infrared). The spatial resolution of the images is 1 meter after fusion using the Gram–Schmidt algorithm.

原始信息汇总

数据集概述

数据集名称

Multi-temporal Scene WuHan (MtS-WH) Dataset

数据集用途

主要用于理论研究和验证场景变化检测方法。场景变化检测是指在场景语义层面上检测和分析特定区域的土地利用变化。

数据集内容

• 图像信息：包含两幅大尺寸VHR图像，尺寸为7200x6000，分别于2002年2月和2009年6月通过IKONOS传感器获取。覆盖中国武汉市汉阳区，包含4个光谱带（蓝、绿、红和近红外），空间分辨率为1m。
• 训练集：从典型区域裁剪生成，每个时间点包含190幅场景图像，尺寸为150x150。
• 测试集：通过非重叠网格从大图像中获取，每个时间点生成1920幅测试场景，尺寸为150x150。
• 标签分类：
  1. 停车场
  2. 水体
  3. 稀疏房屋
  4. 密集房屋
  5. 住宅区
  6. 闲置区域
  7. 植被区域
  8. 工业区域
  9. 未定义（不参与精度评估）

数据集结构

• 总体图像：
  • hanyang2002.jpg：2002年汉阳区的伪彩色图像。
  • hanyang2009.jpg：2009年汉阳区的伪彩色图像。
• 测试集：
  • hanyang2002/hanyang2009：2002年和2009年的原始图像，格式为HDR。
  • hanyang2002label.mat/hanyang2009label.mat：测试集图像的标签，矩阵大小为48x40，每个元素表示相应位置图像的场景类别编号。
• 训练集：
  • 第一/第二时间点：包含多个场景图像文件，文件名中的l表示类别编号，n表示编号。

引用信息

• Wu, Chen, et al. "A scene change detection framework for multi-temporal very high resolution remote sensing images." Signal Processing 124 (2016): 184-197.
• Wu, Chen, et al. "Kernel slow feature analysis for scene change detection." IEEE Transactions on Geoscience and Remote Sensing 55.4 (2017): 2367-2384.

搜集汇总

数据集介绍

构建方式

MtS-WH数据集的构建基于两幅高分辨率（VHR）图像，分别采集于2002年2月和2009年6月，覆盖中国武汉市汉阳区。图像通过IKONOS传感器获取，包含蓝、绿、红和近红外四个光谱波段，空间分辨率经Gram-Schmidt算法融合后达到1米。训练集由从典型区域裁剪的190幅150x150像素的场景图像组成，测试集则通过非重叠网格法从大图中生成1920幅相同尺寸的图像。训练样本在不同时间点不对应同一位置，确保了数据的多时相特性。

特点

MtS-WH数据集的显著特点在于其多时相和高分辨率特性，为场景变化检测方法的理论研究和验证提供了丰富的数据支持。数据集包含详细的标签信息，涵盖停车场、水体、稀疏房屋、密集房屋、住宅区、闲置区、植被区和工业区等八类场景，以及一个未定义类别。此外，数据集的构建方法确保了训练和测试样本的多样性和代表性，为研究者提供了可靠的实验基础。

使用方法

使用MtS-WH数据集时，研究者可从Google Drive或官方网站下载数据，并根据README文件中的指导进行数据加载和处理。训练集和测试集分别存储在train和test文件夹中，每个文件夹包含两个子文件夹，分别对应2002年和2009年的数据。图像文件以TIFF格式存储，标签信息则以MATLAB矩阵格式提供。研究者可根据需要提取特定类别的图像进行分析，或利用整个数据集进行模型训练和验证。

背景与挑战

背景概述

MtS-WH数据集，全称为Multi-temporal Scene WuHan Dataset，由武汉大学SIGMA实验室于2019年创建，主要用于场景变化检测方法的理论研究和验证。该数据集包含两幅高分辨率（VHR）图像，分别于2002年2月和2009年6月通过IKONOS传感器采集，覆盖中国武汉市汉阳区，包含蓝、绿、红和近红外四个光谱波段。图像的空间分辨率在Gram-Schmidt算法融合后达到1米。数据集的构建旨在推动遥感图像处理领域的发展，特别是场景变化检测技术的进步，为研究人员提供了一个标准化的测试平台。

当前挑战

MtS-WH数据集在构建过程中面临多项挑战。首先，高分辨率图像的处理和存储需求巨大，对计算资源和存储空间提出了高要求。其次，场景变化检测的准确性依赖于图像的时间序列分析，如何有效处理和对比不同时间点的图像数据是一个技术难题。此外，数据集的标注工作复杂，需要通过视觉解释对大量图像进行分类，确保标注的准确性和一致性。最后，数据集的应用范围广泛，如何确保其在不同场景变化检测算法中的通用性和有效性，也是一个重要的研究方向。

常用场景

经典使用场景

在遥感领域，MtS-WH数据集的经典使用场景主要集中在多时相场景变化检测方法的理论研究和验证。该数据集通过提供2002年和2009年两个时间点的武汉汉阳区高分辨率图像，支持研究人员开发和评估新的变化检测算法。这些算法可以识别和分析土地利用在场景语义层面的变化，从而为城市规划、环境监测和灾害评估提供关键数据。

衍生相关工作

基于MtS-WH数据集，研究人员已经开发了多种场景变化检测框架和算法。例如，Wu等人提出的场景变化检测框架和Kernel Slow Feature Analysis方法，都是基于该数据集进行验证和优化的。这些工作不仅在学术界引起了广泛关注，还为遥感技术的实际应用提供了新的思路和方法，推动了相关领域的技术进步。

数据集最近研究

最新研究方向

在遥感领域，MtS-WH数据集因其多时相高分辨率图像而备受关注，主要用于场景变化检测方法的理论研究和验证。近年来，该数据集在前沿研究中被广泛应用于深度学习模型的训练与评估，尤其是在卷积神经网络（CNN）和生成对抗网络（GAN）的应用上取得了显著进展。这些研究不仅提升了场景变化检测的准确性，还推动了多时相遥感图像分析技术的发展，为城市规划、环境监测等领域提供了强有力的数据支持。