RRSHID

RRSHID是第一个大规模的真实世界遥感雾霾图像数据集，包含多种大气条件下的雾霾和去雾图像对。该数据集旨在解决现有方法主要依赖合成数据集的问题，通过提供真实世界的图像对，推动遥感图像去雾研究的实际应用。

RRSHID is the first large-scale real-world remote sensing hazy image dataset, which includes paired hazy and dehazed remote sensing images under diverse atmospheric conditions. This dataset addresses the issue that most existing dehazing methods heavily rely on synthetic datasets, and aims to promote the practical applications of remote sensing image dehazing research by providing real-world image pairs.

原始信息汇总

数据集概述

数据集名称

Real-World Remote Sensing Hazy Image Dataset (RRSHID)

数据集简介

RRSHID 是第一个大规模的真实世界遥感雾霾图像数据集，包含多种大气条件下的真实雾霾图像及其去雾后的图像对。该数据集旨在解决现有方法因依赖合成数据集而在真实世界应用中表现不佳的问题。

数据集特点

• 真实世界图像：包含真实世界的雾霾图像和去雾后的图像对。
• 多样性：涵盖多种大气条件，展示复杂的颜色变化。
• 大规模：数据集规模较大，适用于深度学习模型的训练和验证。

数据集应用

RRSHID 数据集主要用于遥感图像去雾（RSID）任务，特别是在真实世界场景中的应用。基于该数据集，研究者提出了 MCAF-Net 框架，该框架在真实世界 RSID 任务中表现出色。

数据集下载

• 下载地址：百度网盘
• 提取密码：CV21

引用

如果 RRSHID 数据集对您的研究有帮助，请引用以下论文： bibtex @article{lu2025legnet, title={Real-World Remote Sensing Image Dehazing: Benchmark and Baseline}, author={Zhu, Zeng-Hui and Lu, Wei and Chen, Si-Bao and Ding, Chris HQ and Tang, Jin and Luo, Bin}, journal={arXiv preprint arXiv:2503}, year={2025} }

许可证

• 许可证类型：Creative Commons Attribution-NonCommercial 4.0 International
• 使用限制：仅限非商业用途。任何商业用途需事先获得正式许可。

联系方式

如有任何问题，请联系：[e-mail]

搜集汇总

数据集介绍

构建方式

RRSHID数据集的构建旨在解决真实世界遥感图像去雾任务中的挑战。该数据集通过采集多样化的真实大气条件下的遥感图像，构建了大规模的真实世界雾霾图像与去雾图像对。与传统的合成数据集不同，RRSHID直接捕捉了真实场景中的复杂大气条件和色彩失真现象，填补了现有数据集的空白。数据集的构建过程包括图像采集、去雾处理以及质量验证，确保了数据的多样性和实用性。

使用方法

RRSHID数据集的使用方法主要围绕真实世界遥感图像去雾任务展开。用户可以通过下载数据集获取真实雾霾图像及其对应的去雾图像对，用于训练和评估去雾算法。数据集支持多种深度学习框架，如PyTorch，并提供了详细的实验设置和基准模型MCAF-Net的参考实现。用户可以根据需求对数据集进行划分，用于训练、验证和测试，同时可通过引用相关论文和遵守非商业许可协议，确保数据使用的合规性。

背景与挑战

背景概述

RRSHID数据集由Zeng-Hui Zhu、Wei Lu等研究人员于2025年提出，旨在解决遥感图像去雾（RSID）领域中的关键问题。该数据集是首个大规模真实世界遥感雾霾图像对数据集，涵盖了多种复杂大气条件下的图像。其核心研究问题在于如何有效去除真实世界遥感图像中的雾霾，提升图像质量。RRSHID的发布填补了现有合成数据与真实数据之间的领域鸿沟，为遥感图像去雾研究提供了重要的基准数据。该数据集对遥感图像处理领域具有深远影响，推动了真实场景下去雾算法的研究与应用。

当前挑战

RRSHID数据集面临的挑战主要体现在两个方面。首先，真实世界遥感图像去雾任务本身具有极高的复杂性，大气条件多变且雾霾分布不均匀，导致图像颜色失真严重，传统方法难以有效处理。其次，在数据集构建过程中，研究人员需要克服真实世界图像对获取的困难，确保图像对的质量和多样性，同时还需解决合成数据与真实数据之间的领域差异问题。这些挑战不仅要求算法具备强大的特征提取能力，还需在颜色校正和细节保留方面进行创新。

常用场景

经典使用场景

RRSHID数据集在遥感图像去雾领域具有广泛的应用，尤其是在处理真实世界中的复杂大气条件和严重色彩失真问题时。该数据集通过提供大规模的真实世界雾霾和去雾图像对，为研究人员提供了一个可靠的基准，用于开发和验证去雾算法。经典的使用场景包括在遥感图像处理中，通过对比合成数据集和真实数据集，评估去雾算法的性能，并进一步优化算法以适应真实世界的复杂环境。

解决学术问题

RRSHID数据集解决了遥感图像去雾领域中的一个关键问题，即真实世界数据与合成数据之间的领域差距。由于现有方法主要依赖合成数据集，导致在实际应用中表现不佳。RRSHID通过提供真实世界的雾霾和去雾图像对，填补了这一空白，使得研究人员能够开发出更适应真实环境的去雾算法。这一突破不仅提升了去雾算法的鲁棒性，还为遥感图像处理的实际应用提供了更可靠的技术支持。

实际应用

RRSHID数据集在实际应用中具有重要价值，特别是在遥感图像的实时处理和监控系统中。通过使用该数据集训练的去雾算法，可以有效提升遥感图像的清晰度和色彩还原度，从而在环境监测、灾害评估和城市规划等领域发挥重要作用。例如，在灾害评估中，清晰的遥感图像能够帮助决策者更准确地评估受灾情况，制定有效的应对策略。

数据集最近研究

最新研究方向

在遥感图像去雾领域，RRSHID数据集的推出标志着从合成数据向真实世界数据的重大转变。该数据集首次大规模收集了真实世界中的雾霾图像及其去雾后的对应图像，覆盖了多种复杂的大气条件。基于此，研究者提出了MCAF-Net框架，该框架通过多分支特征集成块聚合器（MFIBA）、颜色校准自监督注意力模块（CSAM）和多尺度特征自适应融合模块（MFAFM）三大创新组件，有效解决了真实世界遥感图像去雾中的颜色失真和细节丢失问题。MCAF-Net不仅在真实世界数据集上表现出色，同时在合成数据集上也保持了竞争力，为遥感图像去雾研究设定了新的基准。RRSHID和MCAF-Net的引入，不仅推动了该领域的技术进步，也为实际应用提供了更为可靠的解决方案。