光学SAR数据集通常以GeoTIFF格式存储,每个波段一个文件,文件名通常包含波段号和分辨率信息。例如,一个包含4个波段的数据集可能有以下文件名: * B1.tif(第一波段,分辨率5米) * B2.tif(第二波段,分辨率10米) * B3.tif(第三波段,分辨率20米) * B4.tif(第四波段,分辨率40米) 每个波段包含了不同分辨率的地表...
与自然图像中的大规模注释数据集相比,遥感中标记数据的缺乏成为很好地训练深度网络的障碍,特别是在 SAR 图像解释方面。迁移学习通过将源任务中的知识借用到目标任务中,为解决这个问题提供了一种有效的方法。在光学遥感应用中,一种流行的机制是对使用大规模自然图像数据集(如 ImageNet)预训练的现有模型进行微调。然而,...
分辨率高达1m。该数据集包含4种不同尺寸、7种飞机类别、16463个飞机目标实例的4368幅图像，可用于飞机目...
作者进一步验证了SAR影像与光学影像的潜在关联性,以及在语义分割任务中SAR提供了怎样的信息。作者对SAR影像取反,即用255减去其像素值,用此方法构造的SAR数据集命名为255-SAR,并与在正常SAR数据下训练的模型进行了精度对比。从实验结果可以看出255-SAR相比于SAR并没有导致明显的精度降低,甚至在water、city这两类下取得...
MSTAR混合目标数据中包含十类军事目标的切片图像,这些军事目标分别为2S1(自行榴弹炮)、BRDM2(装甲侦察车)、BTR60(装甲运输车)、D7(推土机)、T62(坦克)、ZIL131(货运卡车)、ZSU234(自行高炮)、T72。这些目标是雷达工作在多种不同的俯仰角时,各个目标在方向上面的成像图片。光学图像和SAR图像如下图所示: ...
这展示了SAR“鸟瞰”视图的特点。因此,SAR遥感图像不同于具有“人眼”视角的自然场景的光学图像。这表明将计算机视觉领域的深度学习检测器直接应用于SAR船舶检测是不可行的。学者们应该根据SAR的特点设计网络,从而实现有目的的船舶检测,而不是一般的目标检测。
本次发布的SARMV3D-Imaging-2.0是该数据集的一个更新补充,包含研究团队研制的无人机载微波视觉三维SAR验证系统(MV3DSAR)在天津临港商务大厦区域获得的八个方向观测阵列干涉SAR数据,同时也包括了同步获取的光学倾斜摄影数据和激光三维点云数...
举一个例子,合成孔径雷达(SAR)的数据和光学影像的融合就很能说明问题。在这篇文章中,我们推出了一个SEN1-2数据集,用来为将深度学习应用到SAR-Opt数据融合领域提供助力。SEN1-2容纳了 282,384 对儿(pairs of)呈对应关系的图像块儿(patches),空间上,来自全球,时间上则囊括了每一个气象季节。抛开对数据集的...
(a)SAR图像 (b)光学参考图 (c)实例分割结果 (d)实例分割真值 图5 使用Mask RCNN在SARMV3D-BIS(S)验证集上的实例分割结果 然后,该文给出了基于微波视觉的SAR三维成像数据集SARMV3D-Imaging-1.0的构建方法。数据集制作选用了中科院空天院的阵...
光学与SAR影像自动匹配,平原地区匹配精度1-2个像素,山区2-4个像素。 SAR差分干涉技术的高精度DSM提取技术 可有效削弱解缠相位和外部DEM中随机误差对DSM提取结果的影响,实现4米标准差的DSM成果提取。 哨兵TOPS模式SAR数据精配准技术 通过解析哨兵TOPS格式数据文件、数据ramp估计与补偿、EAP校正、基于DEM的精轨初始配准...