sumantadasdotdelhi/pfm1-kriging-hsi

该数据集包含为IEEE国际地球科学与遥感研讨会（IGARSS）2026准备的可见光和近红外（VNIR）高光谱成像（HSI）数据。此版本是原始基准数据集的精炼子集，专注于一个空间子集区域，仅包含PFM-1地雷目标，并提供了高精度的像素级二进制地面真实掩码。数据采集自一个控制测试场，其中布置了143个真实模拟的地雷和未爆弹药目标（表面、部分埋藏和完全埋藏）。数据采集使用安装在多传感器无人机平台上的Headwall Nano-Hyperspec®传感器完成，飞行高度约20.6米。传感器光谱范围为398-1002 nm，共270个波段，地面采样距离约为1.29厘米。This dataset contains Visible and Near-Infrared (VNIR) Hyperspectral Imaging (HSI) data prepared for the IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2026. This specific version is a refined subset of the original benchmark dataset, focusing on a spatially subsetted region containing only PFM-1 landmine targets and includes high-accuracy, pixel-wise binary ground truth masks. The data was collected over a controlled test field seeded with 143 realistic surrogate landmine and UXO targets (surface, partially buried, and fully buried). Data acquisition was performed using a Headwall Nano-Hyperspec® sensor mounted on a multi-sensor UAV platform flown at an altitude of ~20.6 m. The sensor has a spectral range of 398–1002 nm with 270 bands and an approximate ground sampling distance of 1.29 cm.

搜集汇总

数据集介绍

构建方式

该数据集源于面向IEEE IGARSS 2026会议所精炼的高光谱影像子集，聚焦于PFM-1地雷目标。其原始基准数据集通过搭载Headwall Nano-Hyperspec®传感器的多旋翼UAV平台，在约20.6米飞行高度下采集，覆盖一个布设了143枚仿真实地雷与未爆弹（含地表、半埋与全埋形态）的受控测试场。本版本对原始辐射立方体进行空间子集提取，仅保留含PFM-1地雷的区域，并提供了逐像素的精确二值真值掩膜，构建方式兼顾了数据纯净度与标注的精细化。

特点

该数据集具备三大显著特点：首先，光谱覆盖398–1002 nm的可见光与近红外区间，包含270个连续波段，地面采样距离约1.29厘米，提供了丰富的光谱-空间联合信息。其次，数据以ENFI格式存储高光谱立方体（约6.42 GB），附带完整的元数据头文件与参考地物光谱曲线，便于光谱分析。最后，精心设计的二进制真值掩膜实现了像素级的目标定位，为弱目标检测与分割任务提供了高质量的基准，特别适用于评估深度学习与传统统计方法在复杂背景下的性能。

使用方法

用户可通过Hugging Face Hub便捷获取数据，安装huggingface_hub库后执行snapshot_download命令即可将完整数据集下载至本地。加载数据时，推荐使用spectral库中的envi.open函数读取ENVI格式的高光谱立方体，通过img.shape[2]获取波段数，随后结合二进制掩膜与参考光谱开展目标检测、分类或分割实验。该数据集支持多种遥感分析任务，其结构清晰，便于直接集成至现有的深度学习或传统算法流程中，无需额外复杂预处理。

背景与挑战

背景概述

地雷与未爆弹药（UXO）的探测是人道主义排雷与军事安全领域的重大挑战，传统地面探测方法效率低下且风险极高。近年来，无人机搭载高光谱成像（HSI）传感器因其非接触、大面积覆盖及光谱分辨能力而成为极具潜力的探测手段。在此背景下，由Sagar Lekhak、Prasanna Reddy Pulakurthi等研究人员于2026年推出的PFM-1地雷VNIR高光谱成像数据集（pfm1-kriging-hsi），聚焦于PFM-1蝴蝶雷的识别问题。该数据集源自IGARSS 2026基准研究，从原始全辐射立方体中精炼出一个子区域，包含143个模拟地雷与UXO目标（地表、半埋及全埋），利用Headwall Nano-Hyperspec®传感器在约20.6米高度采集，提供270个波段的可见-近红外数据（398–1002 nm）及像素级二值标签。该工作为无人机高光谱地雷检测研究提供了标准化评价平台，显著推动了深度学习与统计检测方法在该领域的交叉应用。

当前挑战

该数据集所解决的领域核心挑战在于，地雷目标在可见-近红外光谱中的弱信号特征易与植被、土壤背景混淆，且掩埋状态与视角变化进一步加剧了检测难度。传统检测方法难以在虚警率与召回率间取得平衡，亟需高分辨率、带精确标注的高光谱数据以支撑算法开发。在构建过程中，团队面临多项技术挑战：首先，无人机平台的震动与光照变化导致光谱数据存在噪声，需通过严格预处理进行校正；其次，对143个目标进行毫米级精度的空间配准与像素级掩膜标注，需融合GPS/IMU与地面参考信息，工作量巨大；此外，数据存储和分发需应对大规模高光谱立方体（超6.4GB）的压缩与传输限制，最终采用ENVI格式并配以Git LFS方案以保障公开可用性。

常用场景

经典使用场景

在高光谱遥感目标探测领域，PFM-1地雷数据集为深度学习和统计检测方法的基准测试提供了标准化的数据平台。该数据集包含由无人机搭载VNIR高光谱传感器在20.6米高度采集的270波段影像，空间分辨率达到1.29厘米，覆盖398–1002纳米光谱范围。研究人员可将其用于像素级二分类任务，通过对比各种目标检测算法在真实地雷与仿真目标混合场景中的表现，系统评估不同方法的探测精度与鲁棒性。

衍生相关工作

该数据集衍生出一系列标志性研究工作，包括针对地雷检测的深度学习与统计方法系统性基准测试，以及在IGARSS 2026会议上发表的相关论文。研究者基于此数据集开发了多种光谱-空间联合特征提取网络，并探讨了迁移学习在小样本地雷检测中的应用。未来工作预计将推动高光谱小目标检测理论框架的完善，催生更具物理可解释性的混合模型设计范式。

数据集最近研究

最新研究方向

面向PFM-1杀伤人员地雷的无人机载VNIR高光谱成像目标检测深度学习与统计方法基准研究。该数据集专为IGARSS 2026会议设计，聚焦于从398–1002 nm谱段、270波段的高光谱数据立方体中，利用像素级二值掩膜对表面、半掩埋及全掩埋的PFM-1模拟地雷目标进行精细识别。前沿研究热点在于对比深度学习模型（如CNN、Transformer）与传统统计检测（如自适应余弦估计、约束能量最小化）在复杂背景下的探测效能，结合地雷残存与战后人道主义排雷的紧迫现实需求，推动高光谱遥感在军事遗留爆炸物安全检测领域的实际应用，其厘米级地面采样距离与标准谱库为算法泛化性和鲁棒性评估提供了关键支撑。