遥感影像中变化检测数据集【转】

转自：https://blog.csdn.net/weixin_41868601/article/details/113888782   【原博客中有超链接】

遥感影像中变化检测数据集
1. S2MTCP
2. Hi-UCD
3. SECOND
4. CD_Data_GZ
5. LEVIR-CD
6. LEVIR-CD+
7.SLADCD
8. HRSCD
9. Mts-WH
10. WHU Building Change detection Dataset
11. Synthetic images and read season-varying remote sensing images
12. OSCD
13. AICD Dataset
14. SZTAKI
15. Hyperspectral Change Detection Dataset
16. GETNET
17. HRCD
18. ABCD dataset
19. CDD（ChangeDetectionDataset）
20. The River Data Set
21. The Urban Atlas
22. SpaceNet7: Multi-Temporal Urban Development Challenge
23. 商汤AI遥感解译大赛-变化检测
24. xView 2 building Damage Asessment Challenge
25. 遥感图像稀疏表征与智能分析竞赛-变化检测
26. 广东政务数据创新大赛
遥感影像中变化检测数据集
1. S2MTCP
该数据集包含N = 1520个Sentinel-2 1C级图像对，这些图像对来源于世界各地的城市地区。
空间分辨率小于10 m的波段将重新采样到10 m，并且图像将被裁剪为大约600x600像素。
由于某些坐标位于Sentinel拼贴的边缘附近，因此某些图像的尺寸小于600x600像素，然后将图像裁剪到拼贴的边框。
不执行几何或辐射校正。

 

地址：https://zenodo.org/record/4280482#.YCzfITOLTax

2. Hi-UCD
Hi-UCD专注于城市变化，并使用超高分辨率图像构建多时态语义变化以实现精细的变化检测。 Hi-UCD的研究区域是爱沙尼亚首都塔林的一部分，面积30平方公里。 2017-2018年有359对图像，2018-2019年有386对，2017-2019年有548对，包括图像，语义图和不同时间的更改图。 每个图像的大小为1024 x 1024，空间分辨率为0.1 m。 有9种物体，包括自然物体（水，草地，林地，光秃秃的土地），人造物体（建筑物，温室，道路，桥梁）和其他（与变化有关）的物体，基本上包括爱沙尼亚的所有类型的城市土地覆盖 。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oxAMhNrv-1613815876486)(pic/image-20210218205510944.png)]

地址：https://arxiv.org/abs/2011.03247

3. SECOND
SECOND是一个语义变化检测数据集，它从多个平台和传感器收集了4662对航空图像。 这些图像对分布在杭州，成都和上海等城市。 每个图像的尺寸为512 x 512，并在像素级别进行注释。 第二个重点是6种主要的土地覆盖类别，即非植被地表，树木，低植被，水，建筑物和游乐场，它们经常涉及自然和人为的地理变化。

 

地址：http://www.captain-whu.com/PROJECT/SCD/

百度云：https://pan.baidu.com/s/1FSdlPB_EPk8SUAJZFcem9A
提取码：RSAI

4. CD_Data_GZ
这些图像是在2006年至2019年期间采集的，覆盖了中国广州市的郊区。 为了促进图像对的生成，采用了BIGEMAP软件的Google Earth服务来收集19个随季节变化的VHR图像对，这些图像对具有红色，绿色和蓝色三个波段，空间分辨率为0.55 m，尺寸范围为1006×1168 像素到4936×5224像素。

地址：https://github.com/daifeng2016/Change-Detection-Dataset-for-High-Resolution-Satellite-Imagery

百度云：https://pan.baidu.com/s/1WxkJYsQwCxgT6RzNNAl9nw
提取码：RSAI

5. LEVIR-CD
LEVIR-CD包含637个超高分辨率（VHR，0.5m /像素）的Google Earth图像补丁对，大小为1024×1024像素。 这些时间跨度为5到14年的比特影像具有重大的土地利用变化，尤其是建筑的增长。 LEVIR-CD涵盖各种类型的建筑物，例如别墅，高层公寓，小型车库和大型仓库。 完整注释的LEVIR-CD总共包含31,333个单独的变更构建实例。

地址：https://justchenhao.github.io/LEVIR/

百度云：链接：https://pan.baidu.com/s/1HlnKWToc00986jiTxhq_CA
提取码：RSAI

6. LEVIR-CD+
LEVIR-CD+数据集是大规模建筑变化检测数据集，是在现有公开数据集LEVIR-CD的基础上构建的。LEVIR-CD+一共包含1970个样本，其中985个样本作为训练，后985个样本用于测试。每个样本包含前时向遥感图像，后时相遥感图像以及对应的建筑变化标签图。本数据集中的遥感图像大小为1024 X 1024，像元分辨率为0.5米。标签图与图像等大，像素值为0或255，其中0代表没有建筑变化，255代表存在建筑变化。本数据集中变化的建筑实例数量大致为80000个。

LEVIR-CD+与LEVIR-CD的关系：LEVIR-CD中包含的637对样本数据作为LEVIR-CD+训练集的一部分。有关LEVIR-CD数据集更详尽的介绍请查看https://justchenhao.github.io/LEVIR/

地址：http://rs.ia.ac.cn/cp/portal/dataDetail?name=LEVIR-CD%2B

7.SLADCD
Side Looking, All Daytime Change Detection (SLADCD) 数据集是大规模的建筑变化检测数据集。图像分辨率为0.5~1米。本数据集预计包含2万个样本，发布其中1万个训练和验证集样本（当前发布767对样本），保留1万个样本用于在线测评。

每个样本包含前时向遥感图像，后时相遥感图像以及对应的建筑变化标签图。本数据集中的遥感图像大小为1024 X 1024，配对切片中成像时间间隔为1年以上,前后时相已进行精细化配准，并制作了对应的标签图像。

标签图与图像等大，标签图像中为人工精细标注的前后时相中新建或拆除的建筑物轮廓。像素值为0或255，其中0代表没有建筑变化，255代表存在建筑变化。公开数据集中共包含超过8万个有变化的建筑实例，可用于变化检测深度学习方法的开发和验证。

SLADCD与LEVIR-CD+的关系：相比于LEVIR-CD+数据集关注城市建筑区域，SLADCD包含的更多农田、森林和荒漠地区；更为重要的是，SLADCD中图像为卫星侧视成像，导致图像配准精度的降低，增加了建筑物匹配的难度。SLADCD数据集对算法在复杂地物目标和成像条件下的鲁棒性有更高的要求，但也更增加了算法的实用价值。

值得指出的是，SLADCD数据集可用于侧视遥感图像的精细配准问题研究。

 

地址：http://rs.ia.ac.cn/cp/portal/dataDetail?name=SLADCD

8. HRSCD
该数据集包含来自IGS的BD ORTHO数据库的291个RGB航空图像的注册图像对。 提供了像素级更改和土地覆盖注释，这些注释是通过对Urban Atlas 2006，Urban Atlas 2012和Urban Atlas Change 2006-2012地图进行栅格化生成的。

 

地址：https://ieee-dataport.org/open-access/hrscd-high-resolution-semantic-change-detection-dataset#files

9. Mts-WH
Multi-temp Scene Wuhan(MtS-WH) 数据集主要用于进行场景变化检测的方法理论研究与验证。场景变化检测就是在场景语义的层次上，对一定范围区域的土地利用属性变化情况进行检测和分析。

本数据集主要包括两张由IKONOS传感器获得的，大小为7200 x 6000的大尺寸高分辨率遥感影像。覆盖范围为中国武汉市汉阳区。影像分别获取于2002年2月和2009年6月，经过GS算法融合，分辨率为1m，包含4个波段（蓝，绿，红和近红外波段）。

整个数据集的训练样本和测试样本都是在大尺度高分辨率遥感影像中选取产生的。每个时相训练集包括190张影像，测试集包括1920张影像。训练集和测试集的场景图片共划分为以下几个类别：

1-parking 停车场 2-water 水体
3-sparse houses 稀疏房屋 4-dense houses 稠密房屋
5-residential region 居民区 6-idle region 空置地
7-vegetation region 农田 8-industrial region 工业区
0-undefined 未定义区域（不使用）

地址：http://sigma.whu.edu.cn/newspage.php?q=2019_03_26

10. WHU Building Change detection Dataset
数据集包含两个航拍图像（0.2m /像素，15354×32507），并提供了这两个航拍图像的变化矢量，变化栅格图以及两个相应的建筑物矢量。

 

地址：https://study.rsgis.whu.edu.cn/pages/download/building_dataset.html

11. Synthetic images and read season-varying remote sensing images
该数据集具有三种类型：没有对象相对偏移的合成图像，对象相对偏移较小的合成图像，随季节变化的真实遥感图像（由Google Earth获得）。 真实季节变化的遥感图像具有16000个图像集，图像尺寸为256x256像素（10000个训练集以及3000个测试和验证集），空间分辨率为3至100 cm / px

 

地址：https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLII-2/565/2018/isprs-archives-XLII-2-565-2018.pdf

https://drive.google.com/uc?id=1GX656JqqOyBi_Ef0w65kDGVto-nHrNs9&export=download

百度云：链接：https://pan.baidu.com/s/1fQGYoLXjqKhb5EW2a5lpCg
提取码：RSAI

12. OSCD
数据集解决了检测不同日期的卫星图像之间变化的问题。 它包含2015年至2018年之间从Sentinel-2卫星拍摄的24对多光谱图像。在世界各地（巴西，美国，欧洲，中东和亚洲）都选择了位置。 对于每个位置，均提供了Sentinel-2卫星获得的13对波段的多光谱卫星图像对。

地址：https://ieee-dataport.org/open-access/oscd-onera-satellite-change-detection#files

13. AICD Dataset
该数据集包含合成的航空图像，其中包含使用渲染引擎生成的人工更改。 它包含1000对800x600图像，每对包括一个参考图像和一个测试图像，以及1000个对应的800x600地面真值。

 

地址：https://computervisiononline.com/dataset/1105138664

百度云：https://pan.baidu.com/s/1ojXiE-JDiRy8Q91mTAXC5g
提取码：RSAI

14. SZTAKI
该数据集包含13对大小为952x640像素的航拍图像，空间分辨率为1.5m。变化内容包含（a）新建城区（b）建筑施工（c）种植大批树木（d）新的耕地（e）重建前的基础工作。 请注意，ground truth不包含变化分类，仅为每个像素标注 变化/不变化 标签。

 

地址：http://web.eee.sztaki.hu/remotesensing/airchange_benchmark.html

百度云：https://pan.baidu.com/s/1J843se8bkSTcL81Porc0Kg
提取码：RSAI

15. Hyperspectral Change Detection Dataset
该数据集可用于在多时间高光谱图像中执行变化检测技术。 它包括来自AVIRIS传感器的两个不同的高光谱场景：圣塔芭芭拉场景，拍摄于2013年和2014年，使用AVIRIS传感器在圣塔芭芭拉地区（加利福尼亚州）上拍摄，其空间尺寸为984 x 740像素，包括224个光谱带。 湾区场景，拍摄于2013年和2015年，AVIRIS传感器围绕帕特森市（加利福尼亚州）拍摄，其空间尺寸为600 x 500像素，包括224个光谱带。 它还包括来自HYPERION传感器的高光谱场景：Hermiston城市场景，使用HYPERION传感器于2004年和2007年在Hermiston City地区（俄勒冈州）上拍摄，其空间尺寸为390 x 200像素，包括242个光谱带。 在此场景中，确定了与作物过渡有关的5种变化类型。

 

地址：https://citius.usc.es/investigacion/datasets/hyperspectral-change-detection-dataset

百度云：https://pan.baidu.com/s/1EjVehntXbDq-9UyfJsTSdQ
提取码：RSAI

16. GETNET
该数据集有两个高光谱图像，分别在2013年5月3日和2013年12月31日在中国江苏省获得。 它的尺寸为463×241像素，去除噪声带后可使用198个带。 在真实地图中，白色像素代表变化的部分，黑色像素代表不变的部分。

 

地址：https://ieeexplore.ieee.org/document/8418840/?denied=

17. HRCD

地址：http://www.pshrcd.com/#/intro

18. ABCD dataset
ABCD（AIST Building Change Detection）数据集是一个标记数据集，专门用于构建和评估损坏检测系统，以识别建筑物是否已被海啸冲走。该数据集中的每个数据都是一对海啸前后的航拍图像，并包含位于图像中心的目标建筑物。 分配给每个贴片对的类别标签（即“冲走”或“幸存”）表示海啸发生前贴片中心的建筑物是否被海啸冲走。

图像分为两种：fixed-scale and resized。 Fixed-scale patches从航拍图像中裁剪出固定的160 x 160像素的图像； 因此它们具有与原始图像相同的分辨率（40厘米）。 相反，resized patches 根据每个目标建筑的大小进行裁剪(具体来说，是目标建筑的三倍大)，然后全部调整为128 x 128像素； 因此 patches 的空间比例因建筑物而异。 所得的ABCD数据集包含 8,506 pairs for fixed-scale (4,253 washed-away) and 8,444 pairs for resized (4,223 washed-away)。

 

地址：https://github.com/gistairc/ABCDdataset

百度云：https://pan.baidu.com/s/111dc36JWV06Qva07dFdmUw
提取码：RSAI

19. CDD（ChangeDetectionDataset）
该数据集具有三种类型：没有对象相对移动的合成图像，对象相对移动较小的合成图像，随季节变化的真实遥感图像（由Google Earth获得）。 随季节变化的遥感图像具有16000个图像集，图像尺寸为256x256像素（10000个训练集以及3000个测试和验证集），空间分辨率为3至100 cm / px。

 

百度云：https://pan.baidu.com/s/1Xu0kIpThW2koLcyfcJEEfA
提取码：RSAI

20. The River Data Set
该数据集包含两幅高光谱影像，分别于2013年5月3日和12月31日采集自中国江苏省的某河流地区，所用传感器为Earth Observing-1 (EO-1) Hyperion，光谱范围为0.4—2.5 μm，光谱分辨率为10 nm，空间分辨率为30 m，影像大小为463×241像素，共有242个光谱波段，去除噪声后有198个波段可用。影像中的主要变化类型是河道缩减。

 

地址：https://share.weiyun.com/5xdge4R

21. The Urban Atlas
Urban Atlas数据集提供了主要欧盟城市范围内可对比的土地利用和土地覆盖数据，包含5份数据：(1) 2006年319个地区的城市功能区数据“Urban Atlas 2006”; (2) 2012年785个地区的城市功能区数据“Urban Atlas 2012”; (3) “Change 2006-2012”; (4) 部分区域的行道树图层“Street Tree Layer (STL)”; (5) 部分城市（欧盟28国和欧洲自由贸易联盟国家首都）的核心城区建筑高度数据“Building Height 2012”；

其中，“Urban Atlas 2006”和“Urban Atlas 2012”包含每个地区的城市功能区矢量图层及对应区域PDF格式的高分辨率地图，而变化图层“Change 2006-2012”统计了“Urban Atlas 2006”和“Urban Atlas 2012”中共同包含的区域的城市功能区变化情况。

 

地址：https://land.copernicus.eu/local/urban-atlas

22. SpaceNet7: Multi-Temporal Urban Development Challenge
多时相城市发展挑战赛的宏伟目标是通过卫星图像追踪精确的建筑地址和城市变化。该数据集由Planet卫星图像镶嵌图组成，其中包括24张图像（每月一张），覆盖约100个独特的地理位置。该数据集将包含超过40,000平方公里的图像和图像中建筑物轮廓的详尽的多边形标签，总计超过1,000万个单独注释。

图像由4米分辨率的Planet’s Dove星座组成的RBGA（红色，绿色，蓝色，alpha）8位。对于每个感兴趣的区域（AOI），数据立方体的有效期大约为两年，尽管在AOI之间有所不同。数据立方体中的所有图像均具有相同的形状，尽管某些数据立方体的形状为1024 x 1024像素，而其他数据立方体的形状为1024 x 1023像素。因此，每个图像的范围大约为18平方公里。

 

地址：https://spacenet.ai/sn7-challenge/

23. 商汤AI遥感解译大赛-变化检测
数据集共包含4662组数据，每组数据中的图片边长为512，分为训练集2968组，公榜测试集847组，私榜测试集847组。其中训练集公布所有的图像及对应的标签文件，公榜测试集仅公布图像，私榜测试集不公开。变化类型为6种主要土地性质之间的相互转化：水体、地面、低矮植被、树木、建筑物、运动场。每组数据中，前后时相的两张图片各自对应一张标注图，表示发生变化的区域以及该图片变化区域内各时期的土地性质。

 

地址：https://rs.sensetime.com/competition/index.html#/data

百度云：https://pan.baidu.com/s/1-zTu1TJhf3gjBmmPbcvk7A
提取码：RSAI

24. xView 2 building Damage Asessment Challenge
550,000座建筑足迹和4个破坏规模类别，20个全球位置和7种灾难类型（野火，山体滑坡，大坝倒塌，火山喷发，地震/海啸，风，洪水），Worldview-3图像（0.3百万分辨率）

 

地址：https://xview2.org/

迅雷链接：magnet:?xt=urn:btih:FEF8626DF174B232CA4030CA1405420C7073C2DF

25. 遥感图像稀疏表征与智能分析竞赛-变化检测
本项竞赛以光学遥感图像为处理对象，参赛队伍使用主办方提供的遥感图像进行建筑物变化检测，主办方根据评分标准对变化检测结果进行综合评价。竞赛中将提供两个不同时间获取的大尺度高分辨率遥感图像（包含蓝、绿、红和近红外四个波段），以及图像中变化区域的二值化标注数据集。

地址：http://rscup.bjxintong.com.cn/#/theme/4（已关闭）

百度云：https://pan.baidu.com/s/1GZa_CxzWOcPOS54PM_FM2Q
提取码：RSAI

26. 广东政务数据创新大赛
本次大赛覆盖广东省部分地区数百平方公里的土地，其数据共3个大文件，存储在OSS上，供所有参赛选手下载挖掘。
卫星数据以Tiff图像文件格式储存。quickbird2015.tif是一张2015年的卫星图片，quickbird2017.tif是一张2017年的卫星图片。每个Tiff文件中有4个波段的数据：蓝、绿、红、近红外。本次比赛的卫星数据为多景数据拼接而成，这是国土资源工作中常见的实际场景。比赛数据在蓝、绿两个波段有明显的拼接痕迹，而红、近红外波段的拼接痕迹不明显。建议选手挑选波段使用数据，或者在算法中设计应对方案。每个像元以16-bit存储。

 

地址：https://tianchi.aliyun.com/competition/entrance/231615/introduction

百度云：https://pan.baidu.com/s/12G5VWj8Hd6RFcjKT-9eMRg
，这是国土资源工作中常见的实际场景。比赛数据在蓝、绿两个波段有明显的拼接痕迹，而红、近红外波段的拼接痕迹不明显。建议选手挑选波段使用数据，或者在算法中设计应对方案。每个像元以16-bit存储。

[外链图片转存中…(img-BeJM5HPA-1613815876524)]

地址：https://tianchi.aliyun.com/competition/entrance/231615/introduction

百度云：https://pan.baidu.com/s/12G5VWj8Hd6RFcjKT-9eMRg
提取码：RSAI
————————————————
版权声明：本文为CSDN博主「LZQ-RSer」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_41868601/article/details/113888782