HH-channel dataset and PolSAR dataset

HH-channel数据集是为高分辨率SAR目标识别应用设计的，通过场景设置、飞行路径规划和雷达数据采集，收集了四个场景的高分辨率SAR目标数据。数据集涵盖了7大类21种车型，背景包括混凝土地面、草地和灌木丛。包括Ku波段和X波段数据，观测角度覆盖5个仰角和72个方位角，共形成3,308个SAR目标芯片样本。数据集提供SAR振幅图像和相应的复数值数据，可支持高分辨率SAR目标识别、目标散射特性分析及相关方法的研究。PolSAR数据集涵盖了7大类21种车型，背景包括混凝土地面、草地和灌木丛三种典型类型。包括Ku波段和X波段数据，5个仰角和最多72个方位角，提供3,308个Pauli-RGB图像和相应的极化散射矩阵数据。该数据集可为车辆目标极化散射特性分析、细粒度识别、少样本学习和域适应研究提供高质量支持，并进一步促进PolSAR目标识别技术的可靠应用。

The HH-channel dataset is designed for high-resolution SAR target recognition applications. It collects high-resolution SAR target data from four scenarios through scenario setup, flight path planning and radar data acquisition. The dataset covers 21 vehicle models under 7 major categories, with backgrounds including concrete ground, grassland and shrubs. It includes Ku-band and X-band data, with observation angles covering 5 elevation angles and 72 azimuth angles, resulting in a total of 3,308 SAR target chip samples. The dataset provides SAR amplitude images and corresponding complex-value data, which can support research on high-resolution SAR target recognition, target scattering characteristic analysis and related methods.
The PolSAR dataset covers 21 vehicle models under 7 major categories, with three typical backgrounds: concrete ground, grassland and shrubs. It includes Ku-band and X-band data, with 5 elevation angles and up to 72 azimuth angles, providing 3,308 Pauli-RGB images and corresponding polarimetric scattering matrix data. This dataset can provide high-quality support for research on polarimetric scattering characteristic analysis of vehicle targets, fine-grained recognition, few-shot learning and domain adaptation, and further promote the reliable application of PolSAR target recognition technology.

原始信息汇总

数据集概述

数据集来源

本仓库为论文《Azi-Vec: High-resolution Azimuth-Sensitive PolSAR Image Generation for Vehicle Automatic Target Recognition》提供相关代码和数据集。

包含的数据集

1. HH通道数据集

• 访问地址：https://www.scidb.cn/file?fid=1d2a817c2267d47a9a5eb74ce86cc79d&mode=front
• 类型：单极化数据集
• 设计用途：面向高分辨率SAR目标识别应用。
• 数据采集：通过场景设置、飞行航迹规划与雷达数据采集，获取了四个场景的高分辨率SAR目标数据。
• 目标类别：覆盖7个大类、21种车型。
• 背景类型：包括水泥地、草地、灌木丛。
• 波段：包含Ku波段和X波段数据。
• 观测角度：覆盖5个俯仰角和72个方位角。
• 样本数量：共计3，308个SAR目标切片样本。
• 数据格式：提供SAR幅度图像及对应的复数值数据。
• 支持的研究方向：高分辨率SAR目标识别、目标散射特性分析及相关方法研究。
• 详细信息页面：https://www.sciengine.com/CSD/doi/10.11922/11-6035.csd.2025.0094.zh

2. 极化合成孔径雷达数据集

• 访问地址：https://www.scidb.cn/detail?dataSetId=0378a4e05fdf43c4b81187e4448e369c&version=V1
• 类型：PolSAR数据集
• 目标类别：覆盖7个大类、21种车型。
• 背景类型：三种典型背景，包括水泥地、草地、灌木丛。
• 波段：包含Ku波段和X波段数据。
• 观测角度：5个俯仰角，最多72个方位角。
• 数据内容：提供共计3，308幅Pauli-RGB图像及对应的极化散射矩阵数据。
• 支持的研究方向：车辆目标极化散射特性分析、细粒度识别、少样本学习、域自适应等研究，可进一步促进PolSAR目标识别技术的可靠应用。

引用信息

若使用上述两个数据集，请引用以下文献：

bibtex @article{Wang2025HRSARVehicleDataset, author = {Wei Wang and Huiqiang Zhang and Hongqi Fan and Zhongjie Wu and Bingwei Hui and Tianpeng Liu and Shujie Wu and Deliang Xiang and Chaofu Wei and Yingbing Ma}, title = {A dataset of high-resolution SAR vehicle target recognition}, journal = {China Scientific Data}, year = {2025}, doi = {10.11922/11-6035.csd.2025.0094.zh}, url = {https://www.sciengine.com/CSD/doi/10.11922/11-6035.csd.2025.0094.zh} }

@misc{0378a4e05fdf43c4b81187e4448e369c, author = {Wang Wei and Deng Jie and Fan Hongqi and Wu Zhongjie and Quan Sinong and Hui Bingwei and Liu Tianpen and Wu Shujie and Xiang Deliang and Wei Chaofu}, title = {{High-resolution Airborne PolSAR vehicle target recognition dataset}}, year = 2025, month = nov, publisher = {Science Data Bank}, version = {V1}, doi = {10.57760/sciencedb.j00001.01627}, url = https://doi.org/10.57760/sciencedb.j00001.01627 }

搜集汇总

数据集介绍

构建方式

在合成孔径雷达目标识别领域，数据集的构建需兼顾场景多样性与数据精确性。HH-channel数据集与PolSAR数据集的构建遵循了严谨的科研流程，通过精心设计的场景布置与飞行路径规划，系统采集了涵盖混凝土地面、草地及灌木丛三种典型背景的高分辨率雷达数据。数据采集覆盖了Ku与X双波段，并设置了5个不同俯仰角与多达72个方位角，最终形成了包含21种车型、总计3308个目标切片样本的标准化数据集，同时提供了振幅图像与对应的复数值数据，为深入分析目标散射特性奠定了坚实基础。

特点

该数据集的核心特点在于其多维度的信息覆盖与高质量的数据呈现。它不仅包含了单极化通道的幅度信息，更提供了完整的极化散射矩阵数据，能够全面反映车辆目标在不同极化状态下的电磁散射行为。数据集样本涵盖了7大类共21种具体车型，背景环境与观测几何条件均经过精心设计，确保了数据在目标类别、姿态角与背景类型上的丰富多样性。这种结构化的数据组织方式，使其特别适用于车辆目标的精细化识别、散射特性分析以及少样本学习等前沿研究方向。

使用方法

研究人员可通过提供的官方链接获取完整的HH-channel数据集与PolSAR数据集。在具体应用中，单极化幅度图像可直接用于基于深度学习的SAR目标识别模型训练与验证；而复数值数据与极化散射矩阵则为极化目标分解、散射机制分析等物理模型驱动的研究提供了关键输入。数据集已按标准格式整理，用户可依据研究需求，灵活选取特定波段、角度或背景的子集进行实验，相关引用规范已在项目文档中明确，以确保学术成果的规范传播与共享。

背景与挑战

背景概述

合成孔径雷达（SAR）与极化合成孔径雷达（PolSAR）技术在遥感领域扮演着关键角色，尤其在军事侦察、环境监测及自动驾驶等领域具有重要应用价值。HH-channel数据集与PolSAR数据集由研究团队于2025年创建，旨在推动高分辨率SAR车辆目标识别与极化散射特性分析的前沿研究。该数据集涵盖了7大类21种车辆类型，包含混凝土地面、草地及灌木等多种典型背景，并提供了Ku波段与X波段的多角度观测数据。通过提供丰富的SAR幅度图像、复数值数据及极化散射矩阵，该数据集为车辆目标的精细识别、少样本学习及领域自适应等研究方向提供了高质量的数据支撑，显著促进了SAR自动目标识别技术的可靠应用与发展。

当前挑战

在SAR与PolSAR车辆目标识别领域，核心挑战在于复杂背景干扰下的目标特征提取与分类精度提升，以及多波段、多角度数据融合的模型泛化能力。数据集构建过程中，面临场景设置与飞行路径规划的复杂性，需确保高分辨率数据采集的覆盖范围与一致性；同时，车辆类型多样性与背景异质性增加了数据标注与质量控制的难度。此外，极化散射矩阵的获取与处理要求高度的专业性与精确性，以保障数据在极化特征分析中的可靠性。这些挑战共同指向了SAR技术在实际应用中对于数据质量与算法鲁棒性的高标准需求。

常用场景

经典使用场景

在合成孔径雷达目标识别领域，HH-channel数据集与PolSAR数据集为高分辨率车辆目标识别提供了关键数据支撑。该数据集通过涵盖多种车辆类型、背景环境及波段信息，典型应用于训练和验证深度学习模型，以提升自动目标识别的精度与鲁棒性。研究人员常利用其丰富的方位角与俯仰角变化，模拟真实场景中的目标姿态多样性，从而优化特征提取与分类算法。

衍生相关工作

围绕该数据集，已衍生出多项经典研究工作，例如基于Azi-Vec框架的方位敏感PolSAR图像生成方法，以及针对车辆目标的少样本识别与跨域适应算法。这些工作充分利用数据集的极化散射矩阵与多角度信息，推动了生成对抗网络、迁移学习等技术在SAR领域的创新应用，并为后续高分辨率SAR图像解译与目标识别研究设立了重要基准。

数据集最近研究

最新研究方向

在合成孔径雷达目标识别领域，高分辨率与全极化数据的融合正成为前沿探索的核心方向。HH-channel与PolSAR数据集凭借其多波段、多角度、多背景的精细标注，为车辆自动目标识别技术提供了关键的数据支撑。当前研究热点聚焦于利用此类数据驱动生成式模型，如Azi-Vec框架，以合成具有方位敏感性的极化SAR图像，从而突破传统识别方法在样本稀缺与场景泛化方面的瓶颈。这一进展不仅推动了散射特性分析与细粒度识别算法的革新，也为少样本学习与跨域适应等挑战提供了实证基础，有望显著提升复杂环境下目标识别的鲁棒性与可靠性。