RICE (Remote sensing Image Cloud rEmoving)

RICE数据集由中国科学院电子学研究所创建，旨在解决光学遥感图像中云层遮挡的问题。数据集分为RICE1和RICE2两部分，RICE1包含500对512*512像素的云和无云图像，RICE2包含450组图像，每组包括无云参考图像、云图像及其云层掩码。数据集通过Google Earth和Landsat 8 OLI/TIRS数据集收集，用于训练神经网络以实现云层去除，广泛应用于地球观测、气候变化和环境监测等领域。The RICE dataset was developed by the Institute of Electronics, Chinese Academy of Sciences, aiming to address the problem of cloud occlusion in optical remote sensing images. The dataset is divided into two subsets: RICE1 and RICE2. RICE1 includes 500 pairs of 512×512 pixel cloud and cloud-free images. RICE2 contains 450 image groups, each consisting of a cloud-free reference image, a cloud image, and its corresponding cloud mask. The dataset is collected from Google Earth and the Landsat 8 OLI/TIRS dataset, and is used to train neural networks for cloud removal, which is widely applied in fields such as Earth observation, climate change research and environmental monitoring.

搜集汇总

数据集介绍

构建方式

针对遥感图像去云的迫切需求，本研究精心构建了RICE数据集。该数据集包括两部分：RICE1从Google Earth收集，通过切换是否显示云层获取相应的有云和无云图像，并将这些图像裁剪为512*512大小；RICE2则源自Landsat 8OLI/TIRS数据集，利用LandsatLook图像，手动选取同一位置小于15天时间间隔的无云图像作为参考。

使用方法

用户可以使用该数据集进行深度学习模型的训练与测试。对于RICE-I，可以将其作为训练数据对神经网络进行训练，以实现图像去云的目的；对于RICE-II，输入包括云图像和云掩模，通过pix2pix等方法进行训练，进而评估模型的PSNR和SSIM指标。

背景与挑战

背景概述

RICE (Remote sensing Image Cloud rEmoving) 数据集，是在2019年由中国科学院电子学研究所的研究人员Daoyu Lin、Guangluan Xu、Xiaoke Wang等提出，旨在促进深度学习在遥感图像去云任务中的发展。该数据集的创建，针对光学遥感图像中常见的云层覆盖问题，提供了一种训练神经网络的标准基准。RICE数据集包括两部分：RICE1包含500对有云和无云的图像，而RICE2包含450组图像，每组包括无云的参考图像、有云的图像以及云的掩码。这一数据集的推出，对于遥感图像处理领域具有重要意义，推动了相关技术的发展与应用。

当前挑战

该数据集在构建过程中遇到的挑战主要包括：1) 缺乏专门用于遥感图像去云任务的大规模数据集，导致深度学习模型在这一领域应用受限；2) 遥感图像去云任务本身的复杂性，包括云层的多样性、动态变化以及与地表特征的交互作用，这些都为图像去云带来了难题。在所解决的领域问题方面，RICE数据集面临的挑战是确保去云后的图像质量和真实性，以及算法对于不同场景和云层类型的泛化能力。

常用场景

经典使用场景

在遥感图像处理领域，RICE数据集的提出，旨在为深度学习模型提供一个训练的平台，其经典使用场景便是云遮挡的去除。该数据集包含了带云和去云的图像对，以及三通道的参考图像和云掩膜，为研究云去除技术提供了标准的实验数据。

解决学术问题

RICE数据集的构建解决了深度学习在遥感图像去云应用中的数据缺乏问题。由于光学遥感图像常受云层覆盖，导致图像数据利用率降低，RICE数据集的提出为研究者提供了一个有效的解决方案，以提升光学遥感图像在后续应用中的可用性。

实际应用

在实际应用中，RICE数据集的应用场景广泛，包括但不限于气候变迁监测、环境监测以及地球观测等领域。通过该数据集训练出的模型能够有效去除遥感图像中的云层，进而提高图像质量，为各类应用提供更为准确的数据基础。

数据集最近研究

最新研究方向

随着遥感技术在地球观测、气候变化及环境监测等领域的广泛应用，光学遥感图像中的云层覆盖问题日益凸显，严重限制了图像数据的利用效率。为此，本文提出了Remote sensing Image Cloud rEmoving (RICE)数据集，旨在推动深度学习在遥感图像去云领域的发展。该数据集包含了两种类型的图像对：RICE1包含500对有云和无云的512*512尺寸的图像；RICE2包含450组图像，每组包括无云的参考图像、有云的图像以及云层的掩码。该研究不仅丰富了遥感图像处理的数据资源，也为深度学习在遥感图像去云任务中的应用提供了新的研究方向和实验基础。

相关研究论文

• A Remote Sensing Image Dataset for Cloud Removal

  中国科学院电子学研究所 · 2019年