Urban1960SatBench

Urban1960SatBench 是首个基于20世纪中叶Keyhole卫星影像的专业标注语义分割数据集，覆盖了超过1240平方公里的区域，包括建筑物、道路、农田和水体等关键城市类别。数据集的创建涉及专家解读和广泛档案资料的交叉参考，标志着技术和后勤上的重大进步，使得以前因数据稀缺而受阻的历史城市发展的定量分析成为可能。

Urban1960SatBench is the first professionally annotated semantic segmentation dataset based on mid-20th century Keyhole satellite imagery, spanning an area of over 1,240 square kilometers and covering key urban categories such as buildings, roads, farmland, and water bodies. The creation of this dataset involved expert interpretation and cross-referencing of extensive archival materials, representing a significant technological and logistical advancement that enabled quantitative analyses of historical urban development previously hindered by data scarcity.

原始信息汇总

Urban1960SatSeg数据集概述

🌍 数据集简介

• 名称：Urban1960SatSeg（Urban1960SatBench）
• 类型：无监督语义分割数据集
• 数据源：1964年Keyhole (KH-4A) 全色卫星影像与1965年西安市城市分布图配准
• 特色：填补了高分辨率早期城市景观卫星影像的时序空白

📊 数据内容

• 标注级别：像素级
• 标注类别：
  • 不透水面
  • 城市土地利用四大类（道路、建筑物、水体、其他城市类型）
• 地理覆盖：中国西安市
• 时空特征：
  • 时间：1960年代中期
  • 空间分辨率：相对较高（具体数值未提及）

🔧 数据使用

下载方式

• 主数据集：https://doi.org/10.7910/DVN/HT2B1S
• 注意：当前版本为论文优化后的迭代版本，与论文版本存在细微差异

使用示例

• Python实现文件：
  • Urban1960SatSS.py
  • Urban1960SatISP.py

🎯 应用场景

1. 历史城市形态重建
2. 文化遗产保护
3. 跨时序模型泛化研究
4. 遥感与计算机视觉领域基础研究

📢 引用信息

文献引用

bibtex @misc{hao2025urban1960satsegunsupervisedsemanticsegmentation, title={Urban1960SatSeg: Unsupervised Semantic Segmentation of Mid-20$^{th}$ century Urban Landscapes with Satellite Imageries}, author={Tianxiang Hao et al.}, year={2025}, eprint={2506.09476}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2506.09476} }

数据集引用

bibtex @data{DVN/HT2B1S_2025, author = {Hao, Tianxiang et al.}, publisher = {Harvard Dataverse}, title = {{Urban1960SatBench}}, year = {2025}, version = {V1}, doi = {10.7910/DVN/HT2B1S}, url = {https://doi.org/10.7910/DVN/HT2B1S} }

🔮 未来发展

• 计划扩展：增加更多地理位置、时间段和类别
• 目标：支持更广泛的早期城市发展过程和图像分割研究

搜集汇总

数据集介绍

构建方式

Urban1960SatBench数据集的构建基于1960年代解密的Keyhole卫星影像，覆盖中国西安1240平方公里的城市区域。通过专业的辐射校正和几何预处理，包括直方图匹配、控制点地理配准和RPC细化，确保了影像数据的质量。随后，遥感专家结合1965年西安城市地图进行人工标注，生成了不透水面产品和城市土地利用分类标签，涵盖建筑、道路、水体等关键类别。这一过程不仅解决了历史影像质量退化的问题，还填补了长期缺乏早期城市发展定量分析数据的空白。

使用方法

该数据集支持无监督和有监督的语义分割任务，主要通过与Urban1960SatUSM框架结合使用。用户可下载包含影像、标注掩膜和元数据的完整数据集，按照预设的训练（614对）、验证（154对）和测试集（256对）划分进行模型开发与评估。对于无监督学习，建议采用框架中的置信度感知对齐机制和焦点-置信度损失，以处理历史影像的噪声和标签不确定性。数据集还可用于跨时代城市形态分析、文化遗产保护等研究，其不透水面产品特别适合长期城市扩张研究。

背景与挑战

背景概述

Urban1960SatBench是由Fudan University、National Supercomputing Center in Shenzhen、New York University Shanghai和Tsinghua University的研究团队于2025年推出的首个基于20世纪60年代Keyhole侦察卫星影像的语义分割数据集。该数据集覆盖了中国西安1240平方公里的区域，包含建筑、道路、农田和水体等关键城市类别的专业标注，旨在解决历史遥感影像在语义分割领域的空白。作为现有分割数据集中时间最早的基准，Urban1960SatBench为研究早期城市发展和长期形态演变提供了重要资源，推动了历史城市景观的定量分析。

当前挑战

Urban1960SatBench面临的核心挑战体现在两个方面：领域问题方面，历史Keyhole影像存在灰度单一、几何畸变严重（0.6-1.8米可变分辨率）以及扫描伪影等问题，导致传统监督学习方法难以直接应用；数据构建方面，缺乏同期参考数据使得标注过程异常困难，需要专家结合档案材料进行跨模态验证，且需开发特殊预处理流程（如控制点地理配准、亮度异常校正等）来处理原始胶片扫描件的质量问题。这些挑战促使研究者设计了无监督分割框架Urban1960SatUSM，通过置信度感知对齐机制解决伪标签噪声问题。

常用场景

经典使用场景

Urban1960SatBench数据集作为首个基于20世纪60年代Keyhole卫星影像构建的语义分割基准，其经典应用场景聚焦于历史城市景观的无监督语义分割研究。该数据集通过覆盖1240平方公里区域及建筑、道路、农田等关键城市地物类别，为量化分析早期城市形态演变提供了前所未有的数据支撑。在计算机视觉与遥感交叉领域，研究者可利用其灰度影像特性与几何失真特征，开发适应历史影像退化的新型分割算法，尤其适用于缺乏标注数据的跨时代城市变迁分析。

解决学术问题

该数据集有效解决了历史遥感影像分析中的两大核心难题：一是填补了现有分割数据集中1960年代高分辨率城市影像的空白，突破了长期制约定量研究早期城市发展的数据壁垒；二是通过配套的Urban1960SatUSM无监督框架，创新性地采用置信度感知对齐机制与焦点置信度损失函数，显著提升了在光谱匮乏、噪声干扰等恶劣条件下的语义分割性能。其意义在于为城市历史形态学、文化遗产保护等研究提供了可量化的分析工具，推动了计算机视觉方法在历史地理学中的范式革新。

实际应用

在实际应用层面，该数据集支持城市规划部门回溯城市扩张轨迹，辅助评估基础设施建设的长期生态影响。例如通过对比1960年代与当代城市肌理，可量化分析西安等历史名城的土地利用变化规律，为可持续城市更新提供决策依据。在文化遗产保护领域，其高分辨率特性有助于识别濒危历史建筑群的空间分布，结合时空分析可建立文化遗产动态监测体系。此外，数据集构建过程中发展的地理配准与专家标注方法，为其他历史影像的数字化处理建立了可复用的技术标准。

数据集最近研究

最新研究方向

Urban1960SatBench作为首个基于1960年代Keyhole卫星影像的语义分割数据集，为历史城市景观分析开辟了全新研究范式。其最新研究方向聚焦于无监督学习框架在退化历史影像上的适应性创新，通过融合Segment Anything Model的伪标签生成与DINO自监督特征，构建了置信度感知的跨模态对齐机制。这一技术突破有效解决了灰度影像的语义模糊、几何畸变等核心挑战，为量化研究20世纪中叶城市形态演变提供了关键工具。当前研究热点包括历史影像与当代多光谱数据的跨时空泛化、城市肌理长期变迁的可视化重建，以及在文化遗产保护中的应用探索。该数据集的发布填补了遥感领域长达半个世纪的时间断层，对城市规划、地缘政治分析和环境史研究具有里程碑意义。

相关研究论文

• Urban1960SatSeg: Unsupervised Semantic Segmentation of Mid-20$^{th}$ century Urban Landscapes with Satellite Imageries

  复旦大学, 中国 · 2025年