企业官网建设流程全解析

简介：这份图像合集汇集了红外、可见光、高光谱与SAR等多类遥感数据，面向从事遥感图像处理、机器学习分类及多源图像融合研究的学生、工程师与科研人员，可有效支撑算法验证、课程实验和项目预研。资源共56个文件，涵盖jpg、bmp、tif、mat、txt、png等类型，压缩包约68.12MB。其中包含Indian Pines与PaviaU高光谱数据集及地面验证标签，便于开展高光谱分类实验；提供MATLAB读取脚本，可快速完成数据加载与预处理；红外与可见光图像已经配准，适合直接用于图像融合研究；高分三号SAR图像则可用于夜间或恶劣天气条件下的地表观测分析。各类型文件按用途分目录存放，结构直观，检索方便。目前已有3797人学习下载，值得作为遥感入门与进阶研究的参考资料。

1. 一个压缩包装四种图像，看似资源实际是"多模态对齐大考"

一个zip里同时塞进红外、可见光、高光谱和SAR图像，看起来只是"四个文件夹的图"，拆开以后你会面对四种完全不同的成像语言：红外讲温度，可见光讲纹理，高光谱讲光谱指纹，SAR讲微波散射。图像合集（红外、可见光、高光谱、sar图像）这类数据，最常见用途恰恰是跨模态融合与对比——检测、分割、变化检测，或者是"缺哪补哪"的模态补全。适合谁？做多模态算法落地的工程师、搞农业或灾害遥感的研究生、想在论文里补一组多源对比实验的同学。拿到数据的第一周怎么整理、怎么配准，直接决定后面三个月是顺利推进还是反复返工。所以这篇不聊空泛的多模态概念，只讲从zip解压到能进模型的完整路径，以及每一步真正会踩的坑。

2. 拿到压缩包先做三件事：解压、盘点、建文件清单

2.1 目录组织：别让四种模态平铺在一个文件夹里

解开压缩包的那一刻，最先看到的往往不是干净的目录树，而是几百个tif平铺在根目录。红外、可见光、高光谱、SAR的文件名还来自不同的命名习惯：有的带IR_前缀，有的叫VIS_01_pan.tif，有的干脆是IMG_0001。在平铺状态下做任何预处理都是在给后面挖坑，命令路径长、容易误覆盖，更重要的是没法一眼判断某个场景四种模态是否齐全。

我一般会先按模态建四个目录，再用一段小脚本把文件归类。脚本不做任何图像处理，只做文件移动，风险最低：

mkdir -p datasets/{ir,vis,hsi,sar} for f in *.tif *.png; do case "$f" in IR_*|ir_*) mv "$f" datasets/ir/ ;; VIS_*|vis_*) mv "$f" datasets/vis/ ;; HSI_*|hsi_*) mv "$f" datasets/hsi/ ;; SAR_*|sar_*) mv "$f" datasets/sar/ ;; *) echo "未匹配: $f" >> unmapped.txt ;; esac done

这段脚本的核心是按文件名前缀做case匹配，把平铺文件移动进对应模态目录。两个细节值得说：*在case里是通配符，匹配任何后缀；$f用变量而不是显式文件名，避免文件名带空格时出错。unmapped.txt把没匹配上的文件记下来而不是原地留下，方便回头核对有没有遗漏批次。如果你的压缩包里文件名没有统一前缀，改成按采集时间或者平台标识分组也行，原则只有一条：一类模态一个目录，目录名用缩写，能省后面一串命令的路径长度。

实际经验是大多数压缩包能靠这种简单前缀规则分干净，剩下的杂鱼通常来自两个情况：一是同名文件出现在不同子目录，mv时互相覆盖；二是少数文件被多重打包，zip里还套着zip。遇到重名风险，把冲突文件先挪进_conflict目录人工核对，不要用mv -f硬覆盖，否则到配准阶段发现少了几张图，排查成本远高于现在花两分钟。

2.2 逐模态摸底：四种图像分别要看什么

目录分好之后，不要急着预处理。先用最基本的元数据把每张图"摸"一遍。四种模态各有各的关键指标，我习惯用一张表框定检查重点：

这张表不是摆设。红外和高光谱如果存成16bit甚至32bit，普通看图软件打开就是一片黑，因为显示窗口默认按8bit拉伸，这不代表数据坏了。SAR则完全不是"光学视角"，第一次接触的人很容易把斑点噪声当成地物纹理，把侧视阴影当成真实阴影。

用一段Python就能把整个目录的元数据扫出来，实现对四种模态的摸底：

import rasterio from pathlib import Path for p in sorted(Path("datasets").rglob("*.tif")): with rasterio.open(p) as ds: print( f"{p.parent.name}/{p.name:20s} " f"波段={ds.count:3d} 宽={ds.width:5d} 高={ds.height:5d} " f"分辨率={ds.res[0]:.2f}x{ds.res[1]:.2f} " f" dtype={ds.dtypes[0]}" )

这里用rasterio.open打开每个tif，ds.count是波段数，ds.width/height是像素尺寸，ds.res是地面分辨率，ds.dtypes[0]是第一个波段的数据类型。波段数是最有用的分模态信号：可见光通常是3到4个波段，红外热像仪通常1个波段，高光谱往往在几十到几百之间，SAR单极化1个波段、全极化4个或更多。如果某个"sar"目录下文件的波段数是3，很可能不是SAR强度图而是伪彩色RGB图，这在后续融合里要单独处理。

dtype也值得仔细看。uint16、float32、int16混在一起并不罕见，直接把不同数据类型拼成一个numpy数组会触发自动类型转换，轻则内存翻倍，重则数值溢出。摸清类型后才能给每个模态准备正确的读取路径，这一步不做，后面所有代码都要反复修。

2.3 建一份全量清单：用CSV把文件名、坐标、波段数串起来

摸底信息如果只留在终端里，一周后就找不到了。我会在第一次扫描后立刻生成一份manifest.csv，把每个文件的元数据固定下来。后面做配准选基准、检查坐标系、排查缺失文件，全都在这张表上操作，比人眼翻文件夹高效得多：

import csv, rasterio from pathlib import Path rows = [] for p in sorted(Path("datasets").rglob("*.tif")): with rasterio.open(p) as ds: rows.append({ "file": p.name, "path": str(p), "modal": p.parent.name, "band_count": ds.count, "rows": ds.height, "cols": ds.width, "res_x": round(ds.res[0], 4), "res_y": round(ds.res[1], 4), "crs": ds.crs.to_string() if ds.crs else "无", "minx": round(ds.bounds.left, 4), "miny": round(ds.bounds.bottom, 4), "maxx": round(ds.bounds.right, 4), "maxy": round(ds.bounds.top, 4), "dtype": ds.dtypes[0], }) with open("manifest.csv", "w", newline="") as f: writer = csv.DictWriter(f, fieldnames=rows[0].keys()) writer.writeheader() writer.writerows(rows)

这段代码把文件路径、模态归属、波段数、宽高、分辨率、坐标系、地理包围盒和数据类型全部写进CSV。crs字段在这里最要命：四种模态如果来自不同传感器或不同处理流程，坐标系很可能并不一致。第4章做跨模态配准时，第一个要查的就是这一列，如果四种模态crs都相同，几何对齐难度小很多；如果不同，就得在几何校正阶段统一投影，而不是到训练阶段才发现完全叠不上。

清单生成后，用pandas打开检查一遍是值得的：

import pandas as pd df = pd.read_csv("manifest.csv") print(df.shape) print(df["crs"].value_counts(dropna=False)) print(df.groupby("modal")["file"].count())

这一步能在两分钟内发现三类问题：有没有文件缺坐标系、各类模态文件数量是否匹配、是否存在明显重复。数量对不上的场景，通常意味着压缩包里本身有缺失模态，配准前就要标记出来，而不是抱着"可能在某处"的侥幸心理往下走。

3. 预处理四步走：从DN值到能用的科学数据

3.1 辐射定标：别让不同传感器的数值体系打架

拿到手的原始图像大多存的是DN值，也就是传感器记录的原始数字计数。问题在于，同一个地物在不同传感器上DN值量级完全不同：有的管DN 0到255，有的是16bit整型0到65535，还有的直接存了带符号的辐射亮度。把DN直接混在一起做训练，模型学到的第一特征是"传感器的数值习惯"而不是地物的物理属性。所以预处理第一步通常是辐射定标，把DN转成辐射亮度或反射率。

常见的做法是线性定标，两个系数就能完成：

import rasterio import numpy as np with rasterio.open("datasets/hsi/hsi_001.tif") as ds: meta = ds.meta.copy() dn = ds.read(1).astype(np.float32) # 假设定标系数来自传感器说明书或元数据头文件 gain = 0.01 # 定标增益，单位 W/(m2·sr·μm·DN) offset = -0.5 # 定标偏移 radiance = dn * gain + offset meta.update(dtype="float32", count=1, compress="lzw") with rasterio.open("hsi_001_radiance.tif", "w", **meta) as out: out.write(radiance, 1)

逻辑很直白：读取DN，乘增益加偏移，结果写成float32的GeoTiff。关键在gain和offset：这不是随手拍的参数，而是定标文件里查到的每个传感器专属系数，常见于数据发布说明、头文件或者官方元数据，不同传感器之间不能通用。找不到定标参数时，我的做法是退而求其次做归一化定标——把整幅图除以全局最大值，让数值落在0到1区间。这能保住相对对比关系，但对跨传感器定量分析用处有限。硬套其他传感器的定标系数是典型的玄学操作，得出的物理量谁也不敢拿去交付。

提示：16bit红外图像定标后往往变成亮温，单位是开尔文，范围大约200到350。如果定标结果出现负数或超过400的异常值，先检查offset符号，很多坑都出在这个零漂上。

3.2 大气校正：可见光和高光谱绕不过的环节

大气对光学遥感影像的干扰相当明显：分子散射让蓝波段整体偏亮，气溶胶进一步模糊地面细节，这就是为什么夏季影像经常看起来"发灰"。SAR微波穿透大气，基本不受云和雾影响；热红外信号受大气衰减影响，但多数工程场景直接把辐射定标后的亮温当输入，不再做完整大气校正。真正绕不过的是可见光和高光谱两个模态。

生产级大气校正用成熟辐射传输模型，输入几何参数、大气参数和气象数据，输出地表反射率。对快速验证数据质量，我常用暗目标法（DOS）做简化版本，它假设影像里存在接近零反射率的暗目标，比如清洁水体或深阴影，用暗目标的值近似大气路径散射：

import rasterio import numpy as np with rasterio.open("datasets/vis/vis_001.tif") as ds: meta = ds.meta.copy() img = ds.read().astype(np.float32) # 每个波段取前0.5%的暗目标DN值 percentile = 0.5 dark = np.percentile(img, percentile, axis=(1, 2))[:, None, None] # 逐波段扣除暗目标并归一化到0-1 mx = np.max(img, axis=(1, 2))[:, None, None] corrected = np.clip((img - dark) / (mx - dark + 1e-6), 0, 1) meta.update(dtype="float32", count=img.shape[0], compress="lzw") with rasterio.open("vis_001_dos.tif", "w", **meta) as out: out.write(corrected)

核心是np.percentile(img, percentile, axis=(1,2))：在每个波段的二维平面上取0.5%分位的DN值作为暗目标，然后做减法和归一化。+1e-6防止分母为零。percentile是需要根据影像内容微调的关键参数：影像里有大面积清洁水体时0.5%很合适；整幅图都是植被或建筑物、没有真正暗目标时，可以调到2%甚至5%，但这时候DOS假设已经弱化，结果更适合做可视化而不是定量分析。生产工具跑大气校准时需要设定传感器类型、成像日期、中心经纬度和大气模型，参数多得多，但原理相同——把大气层的影响从观测值里剥离出去。

如果数据只用来做目标检测、不追求绝对反射率，大气校正可以跳过，直接对DN归一化后训练模型，很多检测任务照样跑得不错。但做变化检测或光谱分析时不能省，否则两个时相的差异会被大气状态污染，结论不可靠。

3.3 几何校正与重采样：让四种模态站到同一个像素网格上

第2章表格里存了每个文件的坐标系和分辨率，现在派上用场了。四种模态经常不在同一坐标系：SAR原始产品可能是以传感器为中心的坐标系，高光谱带了地理定位但分辨率偏粗，红外通常跟着可见光平台走但也有微小视差。统一几何的标准做法是选一张基准影像，把其他所有模态重采样到它的坐标系和像素网格上。

基准影像的选择原则：几何精度最高、波段数最少、加载最快。在大多数数据集里，可见光图像天然是几何基准——真彩视图目视检查最直观，分辨率通常也最高。以可见光为基准，对其他模态做投影变换：

import rasterio from rasterio.warp import calculate_default_transform, reproject, Resampling base = rasterio.open("datasets/vis/vis_001.tif") src = rasterio.open("datasets/sar/sar_001.tif") # 依据基准影像的坐标系和分辨率计算目标变换 transform, width, height = calculate_default_transform( src.crs, base.crs, src.width, src.height, *src.bounds, resolution=base.res[0], ) kwargs = src.profile.copy() kwargs.update({"crs": base.crs, "transform": transform, "width": width, "height": height}) with rasterio.open("sar_001_reg.tif", "w", **kwargs) as dst: for i in range(1, src.count + 1): reproject( source=rasterio.band(src, i), destination=rasterio.band(dst, i), src_transform=src.transform, src_crs=src.crs, dst_transform=transform, dst_crs=base.crs, resampling=Resampling.cubic, )

关键参数是resolution=base.res[0]，它把目标分辨率设成基准影像的地面分辨率。重采样方法Resampling的选择要按模态区分：可见光和高光谱推荐立方卷积，边缘保持最好；SAR强度图用双线性或最近邻，因为SAR斑点噪声是乘性的，立方卷积的过平滑容易把弱目标抹掉；SAR复数数据或干涉相位必须用最近邻，任何插值都会破坏相位关系。代码按波段循环重投影，避免src.read()一次全读进来引起的内存压力。

如果某些影像完全没有坐标系信息，连src.crs都是空的，就得回到人工GCP路线：先在基准图上选明显地物点，再在待配准图上找同名点，用上一章的方式做多项式配准。这种图不多时还好，数量大就要重新考虑这个数据集值不值得投入了。

3.4 预处理质检：统计指标和目视同步确认

预处理做完不等于数据能用。我习惯在每个模态输出后跑一次统计质检，把均值、标准差、数值范围打印出来，然后选同一场景把四个模态叠加显示，肉眼检查边缘是否对齐、有没有锯齿和黑边。两个环节缺一不可——统计能发现定标异常，目视能发现统计看不出的结构性错位：

import rasterio import numpy as np names = [ "vis_001_dos.tif", "hsi_001_radiance.tif", "sar_001_reg.tif", "ir_001_cal.tif", ] for name in names: try: with rasterio.open(name) as ds: data = ds.read(1).astype(np.float32) print(f"{name:28s} 均值={np.nanmean(data):8.3f} " f"标准差={np.nanstd(data):8.3f} " f"范围=[{np.nanmin(data):8.3f}, {np.nanmax(data):8.3f}]") except FileNotFoundError: print(f"{name:28s} 文件缺失，检查前序步骤的输出路径")

这个脚本的价值在于建立"合理数值范围"的心智模型：红外亮温一般在200到350，高光谱反射率应在0到1，SAR幅度图是正数但受斑点影响方差大，可见光归一化后在0到1。如果均值接近0或者范围出现大负数，不要急着调网络结构，先回看定标和归一化步骤。预处理阶段的错位会在模型训练阶段以"玄学难复现"的方式出现，查起来比现在麻烦十倍。

目视检查怎么做最有效率？把可见光放在RGB通道，红外或SAR放到灰度通道，用图像浏览工具来回切换透明度，重点看道路交叉口、水域边界、建筑物轮廓这三类地物的边缘是否吻合。吻合度在1到2个像素内可接受，超过3个像素就要回配准环节。很多人在这一步偷懒直接开训，到头来模型效果差还找不到原因，其实数据质量从预处理环节就出问题了。

4. 跨模态配准：把四种图像对齐到同一个像素格网

4.1 为什么SAR和高光谱最容易"对不齐"

配准不是把两张图"叠一下"这么简单。在遥感多模态场景里，不可见的偏移来源非常多：SAR是侧视成像，地物在图像上的位置取决于雷达波入射方向和地形起伏，陡峭山体会产生叠掩和阴影，平面坐标下的SAR影像和光学影像可能差几十个像素；高光谱传感器往往视场角大，扫描式成像的几何畸变与画幅式相机完全不同；红外和可见光如果来自同平台大致对齐，但热像仪分辨率低，像素网格天然偏粗。

所以跨模态配准的真正难点不是"找同名点"，而是先理解每种模态的几何变形规律再选择变换模型。变换模型的选择直接决定配准下限：

刚体变换适用于同平台的可见光和红外，它们在理想情况下只有平移和轻微旋转；仿射变换比刚体多解决了一个尺度和剪切问题，适合无人机不同航高拍出来的同场景图；二次多项式能吸收侧视成像带来的非线性位移，是SAR与光学配准的常见起点；地形起伏明显的山区，多项式已经不够用，需要的是带DEM的局部校正，通常超出简单几何配准的范畴，属于专门的SAR地理编码流程。

4.2 配准工具链：从GCP到多项式拟合

配准的第一步是选基准。基准影像应当是几何精度最高、坐标系定义最清晰、波段数最少的那张，这里继续沿用预处理章节选出来的可见光。整个流程我用GDAL的GCP配准：先在基准影像上标控制点，再在待配准影像上找同名点，用这些点求解多项式系数，最后重采样输出：

# 示例：用4个地面控制点(GCP)把SAR影像配准到可见光基准坐标系 gdal_translate -of VRT \ -gcp 120 140 115 145 \ -gcp 512 130 510 135 \ -gcp 120 980 118 975 \ -gcp 512 980 515 975 \ sar_001_reg.tif sar_001_gcp.vrt gdalwarp -r cubic -order 1 -t_srs EPSG:32650 \ sar_001_gcp.vrt sar_001_final.tif

第一行命令用-gcp建立控制点，格式是"源影像像素坐标 目标影像像素坐标"（或地图坐标，取决于基准影像投影信息）。第二行用gdalwarp做重采样：-order 1是一次多项式，至少需要3个GCP，但3个只是数学下界。我在2000×2000级别的影像上至少用15到20个GCP，而且要求均匀分布。GCP扎堆在图像一角是最常见的翻车姿势，变换模型对远处区域几乎失控，输出影像边缘会扭曲得完全没法看。

注意：-t_srs要显式指定基准影像的坐标系，否则输出的GeoTiff无法被后续工具正确读取。GCP数量和分布决定配准质量上限，多加几个点不会让工程变慢，但会明显减少后期"重影"返工。

选GCP的地物也有讲究。道路交叉口、水体边界、建筑物角点这类刚性特征最靠得住；农田、林地、草地这类纹理重复区域千万不要选，自动匹配时极易串点。找不到足够控制点时，宁可减少覆盖范围也不要硬凑，配准错误的范围在融合阶段会被明显放大。

4.3 自动化匹配的坑与SAR滤波策略

手工选GCP在几十张图上还算可行，数据集一旦超过一百对就必须自动化。自动匹配的基本套路是特征提取、匹配、变换估计：在光学图和高光谱图上提取特征点，在SAR图上同样提取，然后做特征匹配和变换求解。SAR特有的斑点噪声让特征提取极不稳定，直接匹配会得到大量误匹配。我的经验是先把SAR幅度图做中值滤波再提取特征，匹配完成后再用原始图做后续处理：

from osgeo import gdal from scipy.ndimage import median_filter ds = gdal.Open("sar_001_reg.tif") band = ds.GetRasterBand(1) arr = band.ReadAsArray() # 中值滤波抑制斑点噪声，size=5是通用值 filtered = median_filter(arr, size=5) driver = gdal.GetDriverByName("GTiff") dst = driver.Create( "sar_001_filtered.tif", ds.RasterXSize, ds.RasterYSize, 1, gdal.GDT_Float32, ) dst.GetRasterBand(1).WriteArray(filtered) dst.SetGeoTransform(ds.GetGeoTransform()) dst.SetProjection(ds.GetProjection()) dst.FlushCache()

滤波窗口size=5适配大多数幅度图，单视SAR噪声更强时可以用size=7，但边缘更模糊。滤波图只用来算控制点，配准、裁剪、融合等真正吃图像内容的任务要回到原始图，因为中值滤波会对目标的边缘和纹理造成不可逆平滑，细小的道路、车辆和船舶目标尤其敏感。如果你看到配准结果"很完美"但检测精度上不去，去查一下整个流程是否错误地用了滤波后的图像。

自动匹配失败的排查顺序也很固定：先看特征点数量，特征点少于50对基本没戏，原因是斑点噪声太强或者场景纹理太弱；再看误匹配率，把匹配点对连线可视化，交叉乱飞的线就是误匹配；最后看图幅覆盖，两种模态如果覆盖区域差异大，边缘区域没有同名点是正常现象。可视化检查匹配点对连线这一步不能省，很多自动匹配工具给的RANSAC结果看着rmse很低，实际一到边缘就露馅。

5. 多模态数据集避坑指南：五个常见翻车现场

预处理和配准都跑通了，真正的坑往往藏在"看起来一切正常"的环节。下面这五条是实操中反复出现的现象、原因和解决路径，按"现象→原因→解决"记录。

5.1 现象：红外和可见光同场景却叠成"重影"

把红外图半透明叠加在可见光图上，道路、建筑边缘错开几个像素；红外和高光谱对齐也有类似偏移。很多人第一反应是配准没做，重新跑一遍还是重影。原因是红外探测器分辨率显著低于可见光，两个传感器的像素网格本来就不同，即使坐标系统一，重采样后细节位置仍有亚像素级偏移，高层语义特征天然对不齐。

解决路径：不要把红外当成"天然对齐"的数据直接进网络。先重采样到可见光网格，再做一次基于互信息的局部微调配准，以可见光为固定参考，用优化算法调整红外图的平移量。检查方法很直观：叠加后看车道线是否重合、房屋轮廓是否贴合。重影超过两个像素就回头查配准参数，不要指望网络学出来。

5.2 现象：高光谱一跑就内存爆炸

上百个波段的tif，用rasterio.read()一次性读成三维数组直接占掉几GB内存，batch一加立刻OOM。这不是模型设计问题，是数据读取方式的坑。高光谱波段多、每个波段都是完整二维矩阵，乘积下来内存占用远超可见光。

解决路径：训练验证阶段不要读全波段。第一，按块读取，只读当前需要切片的区域；第二，训练前先做波段选择，用PCA降到30到50个主成分，或按方差和信息熵选信息量最高的20到30个波段。水汽吸收波段、严重噪声波段对模型是纯噪声，早删早好。数据类型也要注意，float32比uint16内存占用翻倍，读进来立刻转成模型需要的类型，不要留中间副本。

5.3 现象：SAR图像上目标位置比光学图偏移几十米

SAR是侧视成像，地面目标在图像上的投影位置和光学影像的垂直投影天然不同，山体越陡偏移越大。这是几何原理，不是处理Bug。强行用平面控制点配准只能近似修正，无法根治。

解决路径：在有DEM覆盖的区域，做地形校正，把SAR影像重投影到地图几何；没有DEM时至少做局部区域的控制点配准，并在成果说明里标注定位精度受限。做目标检测的话，更稳妥的做法是直接让模型接受粗配准后的位置误差，而不是试图手动消到零——消到零在山区基本做不到。

5.4 现象：训练时同一个目标在四种模态下标签框对不上

可见光图上画的目标框，直接套到SAR和高光谱图上，框的位置明显偏移。原因是打标签时只看了可见光一张图，忽略了其他模态的几何特性。到训练阶段发现这个问题，整个数据集要返工，代价极大。

解决路径：打标签前先做几何统一，把四种模态全部重采样到同一个像素网格，再做联动可视化检查。用同一个坐标转换矩阵把矩形框映射到各模态，而不是人工重画。如果标注工具本身有坐标系设置，检查是否和基准影像一致。这是最不值得踩的坑，因为返工成本完全可避免。

5.5 现象：类别分布严重失衡导致融合模型偏向单一模态

某一大类占绝对多数，比如农田样本70%、建筑物5%，模型学到的"多数类"特征盖过少数类的红外和SAR特征，融合精度看几乎退化成只用可见光。这不是模型的错，是数据分布的锅。

解决路径：类别加权是标准解法，给少数类更高的损失权重；配合过采样或欠采样控制类别比例。另一个针对性做法是模态独立的随机失活，训练时以一定概率丢弃某个模态的输入特征，强迫模型学会单模态也能预测，避免它只依赖某一种模态。这个技巧顺便提升推理时模态缺失的鲁棒性，是最隐蔽也最值得提前防的坑。

6. 拿这套数据做大融合的三个进阶技巧

6.1 波段组合：从上百波段到有效输入

高光谱与可见光分辨率不一致时，先做波段降维再参与融合。我的习惯是保留3个信息量最大的波段作为伪RGB，同时对全波段做PCA得到前10个主成分作为附加通道。伪RGB适合可视化检查，主成分特征适合喂给网络，两者配合不会丢失太多光谱信息。

6.2 像素级堆叠：最简单的融合基线

把四种模态在通道维拼接是最朴素的融合方式，也是必须首先跑通的基线。SAR、红外、可见光、高光谱降维后各取几个通道，拼成一个多通道张量输入分割或检测网络。参数上注意各模态数值范围要归一化到同一量级，否则数值大的模态会主导梯度，训练时loss下不去还以为是网络问题。

6.3 模态补全：让模型学会"缺一个也能干活"

实际部署中某个传感器突然失效并不罕见。训练时对输入做模态随机遮蔽，以15%的概率把某一模态整体置零，模型被迫从剩余模态恢复目标信息。这既是一种数据增强，又让融合模型不依赖单一模态。我自己吃过这个亏：融合模型在完整模态上指标很漂亮，一断掉红外通道精度直接崩。补上模态遮蔽增强后，断模态时的性能下降明显缓和，整条链路耐用得多。

这套数据合集的真正价值不在于"图多"，而在于它逼你把红外、可见光、高光谱、SAR当成四种平等的传感器语言来对待。我在处理类似数据集时定下一条习惯：每换一批数据，先跑通单模态基线，再上融合模型；宁可多花几天做预处理和配准质检，也不在脏数据上堆模型结构。希望帮到你。

本文还有配套的精品资源，点击获取