README_zh.md

metadata

license: cc-by-4.0
task_categories:
  - image-segmentation
  - image-to-image
tags:
  - remote-sensing
  - change-detection
  - optical-images
  - sar-images
  - image-processing
size_categories:
  - n<1K
language:
  - en
  - zh
pretty_name: 遥感图像变化检测数据集

遥感图像变化检测数据集

For English documentation, please see README.md

数据集描述

专门用于遥感图像变化检测研究的数据集，包含了完整的图像处理流程和标注信息。该数据集包含24组配准对齐的遥感图像样本，每组样本包含5种不同类型的图像文件和对应的标注文件。

数据集特点

• 数据规模: 24组图像样本
• 图像类型: 光学图像、SAR图像、二值变化图
• 文件格式: TIF（原始图像）、PNG（变化黑白二值图）、JSON（标注文件）
• 预处理状态: 已配准对齐裁剪，尚未按固定分辨率分割
• 标注完整性: 包含像素级变化检测标注

文件结构

数据集包含以下6个目录：

图像文件

• A/: 高分二号（Gaofen-2）事前光学图像（.tif）- 变化检测的参考基准图像
• B/: 高分三号（Gaofen-3）事后SAR图像（.tif）- 合成孔径雷达图像
• C/: 哨兵二号（Sentinel-2）未处理的事后光学图像（.tif）- 原始光学图像
• D/: 哨兵二号（Sentinel-2）相对辐射校正后的事后光学图像（.tif）- 经过预处理的光学图像
• E/: 黑白二值像素变化图（.png）- 变化检测

标注文件

• json/: 变化图对应的JSON标注文件，可以使用LabelmeCD-AI读取和修改

数据集用途

主要应用场景

1. 变化检测算法研究 - 开发和测试新的变化检测方法
2. 多模态融合 - 研究光学图像与SAR图像的融合技术
3. 图像预处理评估 - 比较不同预处理方法的效果
4. 深度学习 - 作为训练和测试数据

研究方向

• 时序遥感图像分析
• 多光谱图像处理
• 城市建筑变化监测

技术规格

• 处理状态: 已配准对齐
• 通道数: 3

注意事项

1. 文件完整性: 确保A、B、C、D、E目录中的文件数量一致
2. 预处理需求: 根据具体应用需求，必须进一步统一分辨率
3. 去重：虽然每组图像是人工单独标注的，但是为了避免重叠区域导致的验证集和训练集混淆，可根据坐标自行去重

引用信息

如果您在研究中使用了这个数据集，请引用：

@dataset{remote_sensing_change_detection_2025,
  title={remote-sensing-change-detection},
  author={Tingxuan Yan},
  year={2025},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/datasets/Mercyiris/remote-sensing-change-detection}}
}

许可证

本数据集采用 CC BY 4.0 许可证发布，允许自由使用、修改和分发，但需注明出处。

联系方式

如有任何问题或建议，请通过以下方式联系：

• Hugging Face: @Mercyiris
• 邮箱: [email protected]