OSDataset2.0:SAR-光学影像匹配数据集及评估基准OA

合成孔径雷达(SAR)和可见光是地球观测领域中两类关键的遥感传感器,其影像匹配在图像融合、协同解译与高精度定位等任务中具有广泛应用。随着对地观测数据的迅猛增长,SAR-光学跨模态影像匹配的重要性日益凸显,相关研究也取得了显著进展。特别是基于深度学习的方法,凭借其在跨模态特征表达与高层语义提取方面的优势,展现出卓越的匹配精度与环境适应能力。然而,现有公开数据集多局限于小尺寸图像块,缺乏涵盖真实大尺度场景的完整影像对,难以全面评估匹配算法在实际遥感场景中的性能,同时也制约了深度学习模型的训练与泛化能力提升。针对上述问题,该文构建并公开发布了OSDataset2.0,一个面向SAR-光学影像匹配任务的大规模基准数据集。该数据集包含两部分:局部训练数据集与全幅场景测试集,局部训练数据集提供覆盖阿根廷、澳大利亚、波兰、德国、俄罗斯、法国、卡塔尔、马来西亚、美国、日本、土耳其、新加坡、印度、中国14个国家的6476块512×512像素的配准图像块,全幅场景测试集则提供一对光学与SAR整景影像。团队为整景影像提供了利用成像机理一致性原则提取出的高精度均匀分布的真值数据,并配套通用评估代码,支持对任意匹配算法进行配准精度的量化分析。为进一步验证数据集的有效性与挑战性,该文在OSDataset2.0上系统评估了11种具有代表性的SAR-光学影像匹配方法,涵盖了传统特征匹配与主流深度学习模型。实验结果表明,该数据集不仅能够有效支撑算法性能对比,还可为后续研究提供可靠的训练资源与统一的评估基准。