GUSO Dataset

GUSO数据集是一个全球规模的超高分辨率SAR和光学图像配准数据集，包含593,335对图像（分辨率0.16–0.98米），覆盖319个城市、78个国家和六大洲。该数据集通过精细的手动配准实现了严格的空间一致性，适用于多模态遥感图像配准、多模态图像融合以及基础模型预训练和微调等多种下游任务。The GUSO dataset is a global-scale ultra-high-resolution dataset for SAR and optical image registration. It contains 593,335 image pairs with a spatial resolution ranging from 0.16 to 0.98 meters, covering 319 cities across 78 countries and six continents. This dataset ensures strict spatial consistency through precise manual registration, and is applicable to a variety of downstream tasks including multi-modal remote sensing image registration, multi-modal image fusion, as well as pre-training and fine-tuning of foundation models.

原始信息汇总

GUSO 数据集概述

数据集基本信息

• 数据集名称：GUSO Dataset
• 核心任务：超高分辨率合成孔径雷达（SAR）与光学图像配准
• 关联方法：频率引导的分层配准方法（FHReg）

数据集规模与范围

• 数据量：包含 593,335 对超高分辨率 SAR-光学图像对。
• 空间分辨率：0.16–0.98 米。
• 地理覆盖：覆盖全球六大洲、78 个国家、319 个城市。

数据特点与质量

• 对齐精度：通过精细的人工配准实现严格的空间一致性，满足精准跨模态应用需求。
• 数据通用性：除多模态遥感图像配准外，还可作为多模态图像融合、基础模型预训练与微调等多种下游任务的基准。

数据集结构

完整数据集大小约为 410 GB（压缩 ZIP 格式），按场景类型划分如下：

• Urban：包含训练集（186.66 GB）、验证集（19.78 GB）、测试集（20.04 GB）。
• Rural：包含训练集（74.22 GB）、验证集（2.93 GB）、测试集（4.65 GB）。
• Plain：包含训练集（46.73 GB）、验证集（7.76 GB）、测试集（7.34 GB）。
• Hill：包含训练集（16.19 GB）、验证集（1.04 GB）、测试集（1.13 GB）。
• Water：包含训练集（17.91 GB）、验证集（2.24 GB）、测试集（1.48 GB）。
• Disaster：包含测试集（3.35 GB）。

获取与使用

• 下载方式：需填写请求表单（即将开放），提交后显示下载链接。
• 版权声明：版权归属于武汉大学测绘遥感信息工程国家重点实验室RSIDEA研究组。仅限学术用途，禁止任何商业用途，使用时需引用相关论文。

验证基准

所提方法（FHReg）已在三个基准上验证：OS-Dataset、MSAW 和 GUSO 数据集。

致谢与数据来源

感谢 ICEYE、Capella Space 和 Umbra Space 通过其开放数据计划提供 SAR 数据。感谢 BRIGHT 提供灾害标签。

联系与引用

• 联系邮箱：[e-mail]
• 引用文献：Ultra-high-Resolution SAR and Optical Image Registration: From Global Benchmark Dataset to Frequency-Guided Registration Method（Under Review）。

搜集汇总

数据集介绍

构建方式

在遥感影像配准领域，高分辨率合成孔径雷达与光学影像的精确对齐是推动多模态遥感应用的关键。GUSO数据集的构建依托全球尺度的数据采集，涵盖六大洲78个国家的319个城市，总计收集了593,335对超高分辨率影像对。通过精细的人工配准流程，确保了每对影像在空间上的一致性，分辨率范围控制在0.16至0.98米之间，为跨模态任务提供了坚实的基准。数据来源包括ICEYE、Capella Space和Umbra Space等机构的开放数据，并依据城乡、平原、丘陵、水域及灾害等场景进行分类组织，形成了结构化的训练、验证与测试子集。

特点

GUSO数据集以其全球覆盖与超高分辨率特性，在遥感影像分析中展现出独特价值。影像对不仅空间覆盖广泛，更通过人工精细化配准达到了亚米级对齐精度，满足了精准交叉模态应用的需求。数据集包含多种地形与场景类别，增强了其在多模态图像配准、融合及基础模型预训练等下游任务中的泛化能力。此外，其庞大的数据规模与严谨的质量控制，为算法评估提供了可靠且多样化的测试环境，推动了遥感领域方法论的进步。

使用方法

该数据集主要服务于多模态遥感影像的配准研究，用户可通过下载提供的压缩文件获取数据，并按城乡、平原、丘陵、水域及灾害等场景划分使用。在学术研究中，GUSO可作为基准数据集，用于训练和评估配准算法，如频率引导分层配准方法；同时，它也适用于多模态图像融合及遥感基础模型的预训练与微调。使用时需遵循学术用途许可，引用相关论文，并禁止任何商业应用，以确保知识产权的合规性。

背景与挑战

背景概述

GUSO数据集由武汉大学测绘遥感信息工程国家重点实验室的RSIDEA研究团队于2026年创建，旨在解决超高分辨率合成孔径雷达与光学图像之间的跨模态配准问题。该数据集包含全球78个国家、319个城市的59万余对图像，分辨率高达0.16至0.98米，覆盖城市、乡村、平原、丘陵、水域及灾害六种场景，为多模态遥感图像配准、融合及基础模型预训练提供了首个全球性基准。其精细的人工配准确保了空间一致性，显著推动了遥感图像分析领域向高精度、泛化性强的方向发展。

当前挑战

在超高分辨率SAR与光学图像配准领域，核心挑战在于克服两种成像模态间的显著非线性辐射差异与几何畸变，传统方法难以在复杂地物场景下实现亚像素级对齐。数据集构建过程中，需应对海量数据的全球采集、存储与处理压力，以及跨地域场景下的人工精细配准所耗费的巨大成本；同时，确保多源数据在分辨率、时相及覆盖范围上的一致性，亦是维持数据集质量与泛化能力的关键难点。

常用场景

经典使用场景

在遥感图像处理领域，GUSO数据集以其全球覆盖和高分辨率特性，为多模态图像配准研究提供了经典应用场景。该数据集包含近60万对超高分辨率SAR与光学图像对，覆盖六大洲的广泛地理区域，通过精细的人工配准确保了空间一致性，使得研究人员能够在复杂多样的地表环境下，系统评估和开发先进的图像配准算法，从而推动跨模态遥感数据融合技术的发展。

实际应用

在实际应用层面，GUSO数据集支撑了多个遥感下游任务的实现。其精确配准的SAR-光学图像对可直接用于城市监测、灾害评估、环境变化检测等现实场景。例如，在灾害响应中，结合SAR的穿透能力与光学图像的直观性，能够快速识别受灾区域，为应急决策提供可靠的数据支持。此外，数据集还为多模态图像融合及遥感基础模型的预训练与微调提供了丰富资源。

衍生相关工作

围绕GUSO数据集，已衍生出一系列重要的研究工作。其中最突出的是与其同期提出的频率引导分层配准方法（FHReg），该方法在多个基准数据集上验证了其有效性。此外，该数据集作为公开基准，激发了多模态图像配准、融合及深度学习模型架构的创新，例如基于频率域特征提取的配准网络和跨模态表示学习框架，进一步拓展了遥感智能解译的研究边界。