PolSF|遥感图像数据集|图像分类与分割数据集

该数据集包含五个开放的极化SAR图像，这些图像来自旧金山地区，由不同卫星在不同时间获取，具有很高的科研价值。数据集经过像素级标注，用于图像分类和分割，并且是开源的。

原始信息汇总

PolSF

数据集概述

PolSF 是一个关于旧金山地区的极化合成孔径雷达（PolSAR）数据集。该数据集包含来自五个不同卫星和时间的图像。

数据来源

• 数据下载自 https://ietr-lab.univ-rennes1.fr/polsarpro-bio/san-francisco/
• 数据提供方包括 CNSA, CSA, ESA, IECAS, ISRO, JAXA, MDA, NASA-JPL, NSOAS
• 数据标注由 IPIU 团队完成

数据文件

数据集包括以下文件：

• SF-XXX：包含地面真实标签（label2d）、PauliRGB 图像和彩色地面真实标签（label3d）
• label2dto3d.py：展示着色过程的文件

颜色编码和类别名称

SF-ALOS2

• 颜色编码：[[0,0,0],[132,112,255],[0,0,255],[0,255,0],[192,0,0],[0,255,255],[255,255,0]]
• 类别名称：0, unlabel, 1,Montain,2,Water,3,Vegetation,4,High-Density Urban,5,Low-Density Urban,6,Developd

SF-GF3

• 颜色编码：[[0,0,0],[132,112,255],[0,0,255],[0,255,0],[192,0,0],[0,255,255],[255,255,0]]
• 类别名称：0, unlabel, 1,Montain,2,Water,3,Vegetation,4,High-Density Urban,5,Low-Density Urban,6,Developd

SF-RISAT

• 颜色编码：[[0,0,0],[132,112,255],[0,0,255],[0,255,0],[192,0,0],[0,255,255],[255,255,0]]
• 类别名称：0, unlabel, 1,Montain,2,Water,3,Vegetation,4,High-Density Urban,5,Low-Density Urban,6,Developd

SF-RS2

• 颜色编码：[[0,0,0], [0,0,255],[0,255,0],[255,0,0],[255,255,0],[255,0,255]]
• 类别名称：0, unlabel, 1,Water,2,Vegetation,3,High-Density Urban,4,Low-Density Urban,5,Developd

SF-AIRSAR

• 颜色编码：[[0,0,0], [0,255,255],[255,255,0],[0,0,255],[255,0,0],[0,255,0]]
• 类别名称：0, unlabel, 1,Montain,2,Water,3,Urban,4,Vegetation ,5, Bare soil

参考文献

Xu Liu, Licheng Jiao, Fang Liu, Dan Zhang, Xu Tang. PolSF: PolSAR image datasets on san Francisco[C]//International Conference on Intelligence Science. Cham: Springer International Publishing, 2022: 214-219.

AI搜集汇总

数据集介绍

构建方式

PolSF数据集的构建，始于对五个开源极化合成孔径雷达（PolSAR）图像的精心挑选，这些图像均为旧金山地区的卫星图像，分别采集自不同的卫星和时间。研究团队采用ESA PolSARpro v6.0软件处理原始数据文件，生成PauliRGB图像，并利用高分辨率谷歌地图辅助，通过labelme软件进行像素级标注，最终构建出包含地物分类信息的标注数据集。

使用方法

使用PolSF数据集，研究者首先需要从提供的数据集仓库中下载相应的图像数据。数据集以不同的原始数据包形式呈现，每个数据包都包含了特定卫星的图像。通过ESA PolSARpro软件处理，用户可以获取到PauliRGB分解后的伪彩色图像。同时，数据集还提供了由研究团队标注的地面真实标记，这些标记文件可用于训练和验证机器学习模型，进行像素级的图像分类和分割任务。

背景与挑战

背景概述

PolSF数据集，全称为POLarimetric SAR image DATASETS ON SAN FRANCISCO，是由中国教育部智能感知与图像理解重点实验室、国际智能感知与计算研究中心、智能感知与计算联合国际实验室以及西安电子科技大学人工智能学院的研究团队共同构建的。该数据集收集了五个开源的极化合成孔径雷达(SAR)图像，这些图像均为旧金山地区的影像，分别来自于不同卫星、不同时间，具有极高的科学研究价值。研究团队对所收集的图像进行了像素级别的标注，以便于图像分类和分割，且标注数据开源，便于研究者使用。

当前挑战

PolSF数据集在构建过程中所面临的挑战主要在于：一是极化SAR图像标注数据的稀缺性，这限制了相关领域的研究进展；二是不同卫星获取的SAR图像数据格式各异，增加了数据处理和整合的难度；三是在图像分类和分割任务中，极化SAR图像的细微特征识别和分类准确性是研究的重点和难点。此外，如何有效融合多源极化SAR图像数据，提高地物分类精度，也是当前研究中的一个重要挑战。

常用场景

经典使用场景

在遥感图像分析领域，PolSF数据集因其包含的极化合成孔径雷达图像具有全天候、全天时的特性，而被广泛应用于地物分类与分割任务。该数据集的典型使用场景在于，研究人员可通过其提供的像素级标注，进行图像分类算法的训练与验证，从而实现对不同地物类型的精细识别。

解决学术问题

PolSF数据集解决了学术界在极化合成孔径雷达图像分类研究中面临的数据量不足问题。通过提供来自不同卫星、不同时间点的五幅极化SAR图像，并对其进行详尽的像素级标注，该数据集极大地促进了极化SAR图像分类与分割算法的研究与发展，有助于提升算法的准确性和泛化能力。

实际应用

在实际应用中，PolSF数据集可用于城市规划、环境监测、灾害评估等多个领域。其提供的精确地物分类信息，有助于相关部门进行资源管理与决策支持，例如通过分析城市地物分布，合理规划土地资源使用，或是监测植被变化，评估生态环境状况。

数据集最近研究

最新研究方向

在遥感领域，PolSF数据集的构建为极化合成孔径雷达（PolSAR）图像分类研究提供了宝贵资源。该数据集汇集了不同时间、不同卫星来源的旧金山地区PolSAR图像，并通过像素级标注推进了图像分类与分割的精确度。近期研究利用PolSF数据集，着重于发展单源图像像素级分类、多源图像像素级融合分类等方法，旨在提升地物识别的准确性与效率。这些研究不仅拓宽了PolSAR图像的应用范围，也为极化特征驱动的深度学习网络在遥感图像解析中的应用提供了新的视角，对推动相关领域的技术进步具有显著影响和意义。

相关研究论文

• PolSF: PolSAR image dataset on San Francisco

  · 2019年