算法赛推送-遥感图像语义分割

简介: 算法赛推送-遥感图像语义分割

一、赛题描述


比赛链接:https://www.heywhale.com/home/competition/61c95b5dc4437e0017d5feea/


1、背景


地物要素分类是地表第五要素观测与测绘的重要手段之一,然而目前地物要素的提取方法主要依赖人工,效率低且成本高昂,急需通过先进的算法提高精度并使其自动化。充分运用智能算法与大数据技术突破遥感影像的信息提取与分析瓶颈,不仅是业务端的迫切需要,更是一个企业在数据时代打造数字化业务的重要标杆。


2、任务


基于赛事官方提供的数据及建模分析平台,参赛者需要对光学遥感图像中各类光谱信息和空间信息进行分析,将遥感图像进行土地类型语义分割处理,为图像中具有语义信息的各个像元赋予语义类别标签。


二、数据描述


  1. 此次算法赛采用了1.5 万+遥感影像语义分割样本数据,遥感数据为GF1-WFV拍摄的山东滨州附近地区的影像,预处理过程为正射校正、配准、裁剪。分类目标是山东省土地利用类型,经过处理合并得到以下六类:耕地、林地、草地、水域、城乡、工矿、居民用地及未利用土地。
  2. 原始影像数据格式为 tif(000001_GF.tif),包含红绿蓝(RGB) 三个波段,影像尺寸为 256*256
  3. 标注文件格式为 tif(000001_LT.tif),每个像素的标签值由 1~6 表示:


类别 类别标签
耕地 1
林地 2
草地 3
水域 4
城乡、工矿、居民用地 5
未利用土地 6


GF1-WFV是高分一号卫星搭载的16m分辨率多光谱相机。高分一号是国家高分辨率对地观测系统重大专项天基系统中的首发星,其主要目的是突破高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术,多载荷图像拼接融合技术,高精度高稳定度姿态控制技术,5-8年寿命高可靠低轨卫星技术,高分辨率数据处理与应用等关键技术,推动我国卫星工程水平的提升,提高我国高分辨率数据自给率。

GF-1卫星轨道参数


参数 指标
轨道类型 太阳同步回归轨道
轨道高度 645km
轨道倾角 98.0506°
降交点地方时 10:30 AM
回归周期 41天


GF-1卫星有效载荷技术指标


谱段号 谱段范围 (µm) 空间分辨率 (m) 幅宽(km) 侧摆能力 重访时间(天)
全色多光谱相机 1 0.45~0.90 2 60(2台相机组合) ±35° 4
2 0.45~0.52 8 60(2台相机组合) ±35° 4
3 0.52~0.59 8 60(2台相机组合) ±35° 4
4 0.63~0.69 8 60(2台相机组合) ±35° 4
5 0.77~0.89 8 60(2台相机组合) ±35° 4
多光谱相机 6 0.45~0.52 16 800(4台相机组合) ±35° 2


三、数据下载(成功报名后可下载)


数据名称 数据描述 下载链接(成功报名后可下载) 开放时间
提交样例 「results.zip」:提交样例文件,输出值为随机结果,共参赛人员参考 点击下载 2021-12-31中午 12:00
初赛训练集 5,000 原始影像和标注文件 点击下载 2021-12-31中午 12:00
初赛A榜测试集 2,000 原始影像 点击下载 2021-12-31中午 12:00
初赛B榜测试集 1,000 原始影像 点击下载 2022-1-27中午 12:00
复赛相关数据 训练集、A榜测试集和B榜测试集 赛事页面↗前往组织-工作台-查看数据源,新建项目通过“添加数据源”选项挂载使用数据 2022-2-15 中午12:00


相关文章
|
4月前
|
算法 计算机视觉
图像处理之积分图应用四(基于局部均值的图像二值化算法)
图像处理之积分图应用四(基于局部均值的图像二值化算法)
520 0
|
1月前
|
算法 数据可视化 数据安全/隐私保护
基于LK光流提取算法的图像序列晃动程度计算matlab仿真
该算法基于Lucas-Kanade光流方法,用于计算图像序列的晃动程度。通过计算相邻帧间的光流场并定义晃动程度指标(如RMS),可量化图像晃动。此版本适用于Matlab 2022a,提供详细中文注释与操作视频。完整代码无水印。
|
3月前
|
机器学习/深度学习 编解码 监控
算法金 | 深度学习图像增强方法总结
**图像增强技术概括** 图像增强聚焦于提升视觉效果和细节,广泛应用于医学、遥感等领域。空间域增强包括直方图均衡化(增强对比度)、对比度拉伸、灰度变换、平滑滤波(均值、中值)和锐化滤波(拉普拉斯、高通)。频率域增强利用傅里叶变换、小波变换,通过高频和低频滤波增强图像特征。现代方法涉及超分辨率重建、深度学习去噪(如CNN、Autoencoder)、图像修复(如GAN)和GANs驱动的多种图像处理任务。
81 14
算法金 | 深度学习图像增强方法总结
|
2月前
|
算法 前端开发 计算机视觉
基于均值坐标(Mean-Value Coordinates)的图像融合算法的优化实现
基于均值坐标(Mean-Value Coordinates)的图像融合算法的优化实现
30 0
|
2月前
|
自然语言处理 并行计算 算法
基于均值坐标(Mean-Value Coordinates)的图像融合算法的具体实现
基于均值坐标(Mean-Value Coordinates)的图像融合算法的具体实现
32 0
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
|
3月前
|
算法
基于粒子群优化的图像融合算法matlab仿真
这是一个基于粒子群优化(PSO)的图像融合算法,旨在将彩色模糊图像与清晰灰度图像融合成彩色清晰图像。在MATLAB2022a中测试,算法通过PSO求解最优融合权值参数,经过多次迭代更新粒子速度和位置,以优化融合效果。核心代码展示了PSO的迭代过程及融合策略。最终,使用加权平均法融合图像,其中权重由PSO计算得出。该算法体现了PSO在图像融合领域的高效性和融合质量。
|
4月前
|
机器学习/深度学习 人工智能 算法
【CVPR2024】面向StableDiffusion的编辑算法FreePromptEditing,提升图像编辑效果
近日,阿里云人工智能平台PAI与华南理工大学贾奎教授团队合作在深度学习顶级会议 CVPR2024 上发表 FPE(Free-Prompt-Editing) 算法,这是一种面向StableDiffusion的图像编辑算法。在这篇论文中,StableDiffusion可用于实现图像编辑的本质被挖掘,解释证明了基于StableDiffusion编辑的算法本质,并基于此设计了新的图像编辑算法,大幅度提升了图像编辑的效率。
|
4月前
|
算法 计算机视觉
基于Chan-Vese算法的图像边缘提取matlab仿真
**算法预览展示了4幅图像,从边缘检测到最终分割,体现了在matlab2022a中应用的Chan-Vese水平集迭代过程。核心代码段用于更新水平集并显示迭代效果,最后生成分割结果及误差曲线。Chan-Vese模型(2001)是图像分割的经典方法,通过最小化能量函数自动检测平滑区域和清晰边界的图像分割,适用于复杂环境,广泛应用于医学影像和机器视觉。**
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
【CVPR2024】阿里云人工智能平台PAI图像编辑算法论文入选CVPR2024
近期,阿里云人工智能平台PAI发表的图像编辑算法论文在CVPR-2024上正式亮相发表。论文成果是阿里云与华南理工大学贾奎教授领衔的团队共同研发。此次入选标志着阿里云人工智能平台PAI自主研发的图像编辑算法达到了先进水平,赢得了国际学术界的认可。在阿里云人工智能平台PAI算法团队和华南理工大学的老师学生们一同的坚持和热情下,将阿里云在图像生成与编辑领域的先进理念得以通过学术论文和会议的形式,向业界传递和展现。
下一篇
无影云桌面