用于变化检测研究的对齐多时相多分辨率卫星图像数据集
计算机视觉与模式识别
2023-03-01 v2
摘要
本文提出一个用于变化检测研究的对齐多时相多分辨率卫星图像数据集。我们期望该数据集对希望融合多颗卫星信息以检测地表变化的研究人员有用，这些变化在任一单颗卫星上可能都无法完全可见。我们所呈现的数据集是通过用时间上平行的 Landsat 和 Sentinel 图像栈增强 SpaceNet-7 数据集而创建的。SpaceNet-7 数据集由在 101 个 AOIs（感兴趣区域）上记录的时序 Planet 图像组成。在我们的数据集中，对于用于训练的 60 个 AOIs 中的每一个，我们用时间上平行的 Landsat 和 Sentinel 图像数据立方体增强 Planet 数据立方体。高分辨率 Planet 图像与 Landsat 和 Sentinel 图像之间的时间对齐是近似的，因为 Planet 图像的时间分辨率为一个月——每幅图像为一个月内收集的最佳数据拼接而成。每当我们可以选择将哪些 Landsat 和 Sentinel 图像与 Planet 图像配对时，我们选择了云覆盖最少的那些。我们数据集的一个特别重要的特征是，高分辨率和低分辨率图像通过本文提出的 MuRA 框架在空间上对齐。对齐计算的基础是如 NASA 的 AROP 算法那样用多项式对卫星间未对齐误差建模。我们将数据集命名为 MuRA-T，其中 MuRA 是用于对齐跨卫星图像的框架，“T” 表示数据集中的时间维度。
引用
@article{arxiv.2302.12301,
title = {An Aligned Multi-Temporal Multi-Resolution Satellite Image Dataset for Change Detection Research},
author = {Rahul Deshmukh and Constantine J. Roros and Amith Kashyap and Avinash C. Kak},
journal= {arXiv preprint arXiv:2302.12301},
year = {2023}
}
备注
8 pages, 4 figures, 3 tables, satellite image dataset