XDU-Liyukou Dataset

XDU-Liyukou数据集专为多模态变化检测而设计，覆盖陕西省西安市鄠邑区鲤鱼口区域。数据集包含2023年4月6日采集的高光谱图像（HSI）和2022年11月18日采集的RGB图像。RGB图像由FILR DUO Pro R传感器采集，空间尺寸为750×375；高光谱图像由Micro-Hyperspec传感器采集，空间尺寸为250×125，具有194个光谱波段，覆盖0.4-1.0 um光谱范围。数据集包含树木、道路、土壤和建筑等多种场景，展示了农田和土地覆盖等各种地物的动态变化。

The XDU-Liyukou dataset is specifically designed for multimodal change detection, covering the Liyukou area in Huyi District, Xi'an City, Shaanxi Province. It includes a hyperspectral image (HSI) collected on April 6, 2023, and an RGB image collected on November 18, 2022. The RGB image was captured by a FLIR DUO Pro R sensor, with a spatial dimension of 750×375; the hyperspectral image was acquired by a Micro-Hyperspec sensor, featuring a spatial size of 250×125, 194 spectral bands, and a spectral coverage range of 0.4–1.0 μm. The dataset encompasses diverse scenes such as trees, roads, soil, and buildings, and showcases the dynamic changes of various ground features including farmland and land cover.

原始信息汇总

XDU-Liyukou 数据集概述

数据集简介

XDU-Liyukou 数据集专为多模态变化检测设计，覆盖区域为陕西省西安市鄠邑区栗峪口。数据集包含一幅采集于2023年4月6日的高光谱图像（HSI）和一幅采集于2022年11月18日的RGB图像。

数据内容

• RGB图像：由FILR DUO Pro R传感器采集，空间尺寸为750 × 375。
• 高光谱图像（HSI）：由Micro-Hyperspec传感器采集，空间尺寸为250 × 125，包含194个光谱波段，覆盖0.4–1.0 um光谱范围。
• 地面实况图：包含三种颜色，其中绿色像素和黄色像素分别表示变化和未变化区域，蓝色像素表示变化状态不确定的物体。

场景覆盖

数据集涵盖多样化场景，包括树木、道路、土壤和建筑物，展示了农田和土地覆盖等各种地物的动态变化。

数据获取

数据集的源文件提供在该存储库的Releases部分（https://github.com/Jiahuiqu/XDU-Liyukou-dataset/releases）。

引用信息

若在研究中使用XDU-Liyukou数据集，请引用： bibtex @article{XDU_Liyukou_2025, author = {Wenqian Dong and Junying Ren and Song Xiao and Leyuan Fang and Jiahui Qu and Yunsong Li}, title = {Cycle Translation-Based Collaborative Training for Hyperspectral-RGB Multimodal Change Detection}, journal = {IEEE Transactions on Image Processing}, year = {2025}, volume = {}, number = {}, pages = {}, }

搜集汇总

数据集介绍

构建方式

在遥感科学领域，XDU-Liyukou数据集通过多模态传感器协同采集构建而成。该数据集整合了2022年11月18日FILR DUO Pro R传感器获取的RGB图像与2023年4月6日Micro-Hyperspec传感器采集的高光谱图像，空间分辨率分别为750×375像素和250×125像素。高光谱数据涵盖194个波段，光谱范围0.4-1.0微米，并辅以人工标注的三类真值图，分别标识变化区域、未变化区域及不确定区域，确保了数据构建的精确性与多时相特性。

特点

该数据集凸显多模态变化检测的独特优势，融合高光谱丰富的光谱信息与RGB图像的空间细节。涵盖树木、道路、土壤及建筑等多类地物场景，生动呈现农田与地表覆盖的动态变迁过程。其高光谱波段连续覆盖可见光至近红外区间，配合精确标注的三色真值图，为复杂环境下的变化识别提供了多维数据支撑，显著增强了模型对细微光谱差异的感知能力。

使用方法

研究者可通过GitHub Releases获取原始数据文件，依据标注真值图进行有监督学习训练。该数据集适用于开发多模态变化检测算法，特别支持基于循环翻译的协同训练框架。使用时应严格遵循学术规范，在相关研究中引用提供的IEEE Transactions on Image Processing文献，确保数据溯源与学术贡献的透明度。

背景与挑战

背景概述

西安电子科技大学于2025年发布的XDU-Liyukou数据集，由董文倩、任俊英等学者联合构建，专注于高光谱与RGB影像的多模态变化检测研究。该数据集采集自陕西省西安市鄠邑区鲤峪口区域，包含2022年11月18日的RGB影像和2023年4月6日的高光谱影像，空间分辨率分别为750×375和250×125像素，涵盖194个光谱波段。通过融合农田、道路、建筑等多类地物动态变化信息，该数据集为遥感影像分析提供了关键数据支撑，推动了多模态融合技术在环境监测与土地利用分析中的应用。

当前挑战

多模态变化检测需解决高光谱与RGB影像间的模态差异问题，包括光谱分辨率不匹配、空间尺度异构性以及时相变化引起的辐射差异。数据集构建过程中面临地物变化标注的复杂性，尤其在农田与植被区域，细微变化与阴影干扰导致标注不确定性增加；同时，高光谱数据的高维特性与噪声抑制要求精密的数据预处理流程，以确保多源数据协同分析的可靠性。

常用场景

经典使用场景

在遥感变化检测领域，XDU-Liyukou数据集通过高光谱与RGB影像的时空协同，为多模态地物变迁分析提供了典型范式。该数据集常用于构建端到端的深度学习模型，通过跨模态特征对齐技术识别农田耕作周期、植被覆盖变化及人工建筑扩张等动态过程，其多波段光谱信息与高分辨率空间特征的结合，为复杂场景下的变化检测提供了精准的数据支撑。

衍生相关工作

基于该数据集衍生的经典工作包括循环翻译驱动的跨模态协同训练框架（如CT-CDN网络）、多尺度特征融合模型以及对抗生成网络在变化检测中的适应性研究。这些工作显著推进了高光谱-可见光数据联合解译的技术边界，并为后续多时相遥感智能分析提供了方法论借鉴。

数据集最近研究

最新研究方向

随着遥感技术在多模态变化检测领域的深入应用，XDU-Liyukou数据集凭借其高光谱与RGB影像的协同优势，成为研究的热点。当前前沿方向聚焦于基于循环翻译的协同训练框架，旨在解决异源传感器数据间的模态差异与时空不一致性问题。该数据集在农田监测、土地利用变化分析等实际场景中展现出显著价值，推动了高分辨率遥感影像智能解译技术的发展，并为多模态融合算法提供了重要基准。