中文标题：AIR-PolSAR-Seg-2.0 大规模复杂场景极化SAR地物分类数据集

英文标题：AIR-PolSAR-Seg-2.0 Polarimetric SAR Ground Terrain Classification Dataset for Large-scale Complex Scenes

来源期刊：雷达学报

基金项目：国家自然科学基金(62331027)

作  者：王智睿^{1, 4}, 赵良瑾^{1, 4}, 汪越雷^{1, 2, 3}, 曾璇^{1, 2, 3}, 康健⁵, 杨健⁶, 孙显^{1, 2, 3, 4}

作者单位：1. 中国科学院空天信息创新研究院 北京 100094
2. 中国科学院大学 北京 100049
3. 中国科学院大学电子电气与通信工程学院 北京 100049
4. 中国科学院目标认知与应用技术重点实验室 北京 100190
5. 苏州大学电子信息学院 苏州 215006
6. 清华大学电子工程系 北京 100084

摘  要：极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)地物分类是SAR图像智能解译领域的研究热点之一。为了进一步促进该领域研究的发展，该文组织并发布了一个面向大规模复杂场景的极化SAR地物分类数据集AIR-PolSAR-Seg-2.0。该数据集由三景不同区域的高分三号卫星L1A级复数SAR影像构成，空间分辨率8 m，包含HH、HV、VH和VV共4种极化方式，涵盖水体、植被、裸地、建筑、道路、山脉等6类典型的地物类别，具有场景复杂规模大、强弱散射多样、边界分布不规则、类别尺度多样、样本分布不均衡的特点。为方便试验验证，本文将三景完整的SAR影像裁剪成24,672张512×512像素的切片，并使用一系列通用的深度学习方法进行了实验验证。实验结果显示，基于双通道自注意力方法的DANet性能表现最佳，在幅度数据和幅相融合数据的平均交并比分别达到了85.96%和87.03%。该数据集与实验指标基准有助于其他学者进一步展开极化SAR地物分类相关研究。

全文链接： https://radars.ac.cn/cn/article/doi/10.12000/JR24237