SEN12MS-CR

包含 Sentinel-2 光学图像的云图像、无云图像以及 Sentinel-1 SAR 图像的三元组

This dataset comprises triplets consisting of cloud-covered Sentinel-2 optical images, cloud-free Sentinel-2 optical images, and Sentinel-1 SAR images.

原始信息汇总

HPN-CR数据集概述

1. 数据集基本信息

• 名称: SEN12MS-CR
• 用途: SAR-光学数据融合云去除研究
• 数据类型: 包含三组数据
  • 有云的Sentinel-2光学图像
  • 无云的Sentinel-2光学图像
  • Sentinel-1 SAR图像

2. 数据集来源

• 原始数据: 来自公开大型数据集SEN12MS-CR
• 参考来源: SEN12MS-CR数据集详情
• 直接下载: SEN12MS-CR数据集下载

3. 数据集结构

• 划分方式: 按ROIs划分为训练集、验证集和测试集

• 文件结构:

  ./ +-- SEN12MS-CR +-- train +-- s1 (SAR图像) +-- s2_cloudfree (无云光学图像) +-- s2_cloudy (有云光学图像) +-- data.csv +-- source_folder +-- val (同train结构) +-- test (同train结构)

• 预处理: 需要运行SEN12MS-CR/get_images.py并重命名文件

4. 数据集获取

• 已处理测试集: 直接下载链接

5. 相关研究

• 应用模型: HPN-CR (异构并行网络)
• 竞赛成绩: 2024年"东方航天港·星视杯"遥感图像智能处理算法竞赛Track 1第三名

搜集汇总

数据集介绍

构建方式

SEN12MS-CR数据集的构建采取了对大规模公开数据集的整合，该数据集包含云遮挡的Sentinel-2光学图像、无云的Sentinel-2光学图像以及Sentinel-1合成孔径雷达（SAR）图像的三元组。数据集通过将图像分为训练集、验证集和测试集，并参照PatrickTUM的划分方式，确保了数据集的可用性和可靠性。

特点

该数据集的特点在于其三元组结构，提供了同一地区不同传感器和不同天气条件下的图像，有助于模型的泛化能力和对复杂场景的处理。此外，数据集的规模较大，能够满足深度学习模型训练的需求。其结构化的文件组织方式也便于研究人员进行数据处理和模型评估。

使用方法

使用该数据集时，需将原始数据集文件按照训练、验证和测试的划分放置在相应的目录下，并执行提供的数据处理脚本以获取所需的图像文件。处理后的测试集可以直接下载使用。用户还需对图像进行批量重命名，以去除文件名中的标识符，最终构建出适合模型训练的文件结构。

背景与挑战

背景概述

SEN12MS-CR数据集是在遥感影像处理领域，针对云遮挡问题而构建的大规模公开数据集。该数据集由德国慕尼黑工业大学的研究团队创建于近年来，旨在支持合成孔径雷达(SAR)与光学遥感数据融合的去云研究。数据集包含了成对的Sentinel-2光学遥感图像（有云和无云版本）以及对应的Sentinel-1 SAR图像。该数据集的构建为相关领域的研究提供了宝贵的实验资源，推动了遥感图像去云技术的发展，对提高遥感数据分析的准确性和实用性具有重要影响。

当前挑战

在构建SEN12MS-CR数据集的过程中，研究团队面临了诸多挑战。首先，如何在大量遥感图像中精确识别并分割出云遮挡区域，保证数据集的质量和实用性，是一大挑战。其次，由于SAR与光学遥感图像在成像机制上的差异，如何有效融合这两种数据类型以提升去云效果，也是研究中的难点。此外，数据集的构建还需解决数据预处理、标注一致性、以及大规模数据存储和访问效率等问题。在研究领域问题方面，SEN12MS-CR数据集所面临的挑战包括如何提高去云算法的泛化能力，以及如何减少对无云区域的影响，保持图像的整体质量。

常用场景

经典使用场景

在遥感影像处理领域，SEN12MS-CR数据集因其含有高云覆盖的Sentinel-2光学影像以及与之对应的云-free影像和Sentinel-1 SAR影像，被广泛应用于云去除任务中。该数据集的典型使用场景是借助异构并行网络（HPN-CR）对光学和SAR数据进行融合，以实现有效的云去除处理，尤其是在高云量覆盖的情况下。

衍生相关工作

基于SEN12MS-CR数据集的研究衍生出了多项相关工作，包括但不限于云检测、影像融合算法改进、以及多源数据融合产品的开发。这些工作进一步扩展了数据集的应用范围，推动了遥感数据处理技术的发展。

数据集最近研究

最新研究方向

在遥感图像处理领域，针对高云覆盖场景下的有效去云技术，研究人员提出了异质并行网络（HPN-CR）架构。该架构利用SEN12MS-CR数据集进行训练，该数据集包含了Sentinel-2光学图像和Sentinel-1合成孔径雷达（SAR）图像的三元组，旨在融合光学与雷达数据以实现更精准的云遮挡去除。HPN-CR的研究对于提升遥感图像质量，尤其是在气象监测、环境变化分析等领域具有重要影响，其成果为相关领域的研究提供了新的方法和视角。