HyperGlobal-450K：全球最大规模的高光谱图像数据集

创作时间:

作者:

@小白创作中心

HyperGlobal-450K：全球最大规模的高光谱图像数据集

引用

CSDN

https://m.blog.csdn.net/u011559552/article/details/143743269

HyperGlobal-450K是武汉大学领衔的国际研究团队创建的全球最大的高光谱图像数据集，包含约450,000张高光谱图像，覆盖全球多个地区。该数据集不仅推动了高光谱图像处理技术的发展，还为遥感图像的智能化解析提供了强大的数据支撑。

一、研究背景

随着航空工程、传感器技术和计算机科学的快速发展，我们能够获取具有精细光谱分辨率的大量高光谱遥感图像（HSIs）。这些图像覆盖了从可见光到近红外、短波和中波红外的光谱范围，通过连续且精细的光谱波段捕捉目标特征，为精确的土地覆盖解释提供了详细的地表信息。

目前遇到的困难和挑战：

高光谱图像的高维度、数据冗余和空间变异性导致处理难度大。
现有的高光谱图像处理方法通常限于特定任务，缺乏泛化能力。
高光谱图像的大规模预训练和模型结构设计存在挑战。

二、HyperGlobal-450K数据集

HyperGlobal-450K是一个包含约450,000张高光谱图像的大规模数据集，覆盖全球多个地区，为高光谱图像的预训练和应用提供了丰富的数据资源。数据集包含了来自地球观测一号（EO-1）Hyperion和高分五号（GF-5B）两种传感器的图像，覆盖了森林、草原、裸地和农作物等多种地表类型。

数据集构建

数据集的构建包括从官方网站下载数据、选择特定时间段和地点的图像、去除云层覆盖超过5%的图像、以及将图像切割成非重叠的64×64像素块。

数据集特点

规模大：包含约450,000张高光谱图像，相当于超过2000万张非重叠的三光谱图像。
多样性：图像覆盖全球多个地区，包括不同地形和植被类型。
高质量：图像经过预处理，去除了无效波段和水汽吸收波段，确保了数据的质量。

HyperGlobal-450K数据集可以用于高光谱图像的多种任务，包括分类、目标检测、异常检测和变化检测等。用户可以通过下载数据集，并使用相应的预训练模型进行微调，以适应特定的应用场景。

基准测试

HyperGlobal-450K数据集支持多种高光谱图像任务的基准测试，包括高级别和低级别任务。通过与其他现有数据集的比较，HyperGlobal-450K在规模和多样性上都显著超越了现有的多光谱和高光谱数据集。

HyperSIGMA 为 HSI 处理提供了通用解决方案，在 16 个数据集和 7 个任务中展示了卓越的性能，包括高级和低级高光谱任务，以及多光谱场景。它的性能优于 SpectralGPT 等高级模型，甚至是专为这些任务设计的模型。

以前的 HSI 模型在不同的场景中单独训练，从而限制了跨场景的知识转移。相比之下，我们的模型通过使用大型全球 HSI 数据集进行预训练来获得通用的、与场景无关的知识，从而通过微调有效地转移到各种场景。

RGB、合成孔径雷达（SAR）、多光谱和高光谱图像的比较。

HyperGlobal-450K 样品在全球的分布，包括 1,701 张图像（1,486 张 EO-1 和 215 张 GF-5B），具有数百个光谱波段。

通道选择策略的图示。对于具有不同通道数的图像，我们随机选择 C连续通道。

使用在 HyperGlobal-450K 数据集上预先训练的具有不同掩码比率的光谱子网，在 Indian Pines （IP）和 Pavia University （PU）数据集上微调精度。

全球首个十亿级高光谱智能理解基础模型，这个模型的参数规模达到了十亿级别，是专门为高光谱图像解译设计的，能够为高层和底层任务提供统一的解决方案。

HyperSIGMA 模型

HyperSIGMA 模型由两个为空间和光谱特征提取量身定制的子网络组成。最初，空间补丁或频谱通道被标记化并通过多个 transformer 块进行处理，其中一些 SA 被建议的稀疏采样注意（SSA）替换。然后，空间-光谱融合模块（SEM）生成并融合空间和光谱特征。这些融合特征（或空间特征）被馈送到各种高级和低级 HSI 任务的特定任务头中。