竞赛题目

1、遥感影像变化检测系统

遥感图像变化检测（Change detection）主要研究同一场景、不同时期的两幅或多幅遥感

图像之间发生的变化。变化检测具有重要的应用背景，在民用方面， 遥感图像变化检测主

要用于资源和环境检测中的土地利用和土地覆盖变化 、灾害监测和评估 、水资源质量和地

理分布情况调查 、城市的规划及布局 、气候的变化监测等。在军事方面，遥感图像变化检

测技术主要应用于战场信息动态感知、军事目标和兵力部署监测等。

本题目要求开发一套完善的软件系统，实现对以下四组遥感图像的变化检测（源数据请

到 http://see.xidian.edu.cn/faculty/mggong//Projects/iCD.htm 下载）。

数据 1 是由欧洲遥感 2(European Remote Sensing 2)卫星拍摄的合成孔径雷达图像，反映

的是瑞士首都伯尔尼市(Bern)郊区附近的水灾情况，拍摄时间分别为 1999 年 4 月和 1999 年

5 月。如图 1 所示，从图(a)和图(b)可以看出，阿勒河(Arare River)受水灾影响已淹没了土恩

湖(Thun)和整个 Bern 机场，图(c)为地物变化参考图，图中的白色像素表示两时相间发生变

化的区域。

(a) (b) (c)

图 1 (a) 1999 年 4 月图像, (b) 1999 年 5 月图像, (c)参考图

数据 2是由RADARSAT卫星拍摄的合成孔径雷达图像，反映的是加拿大渥太华(Ottawa)地区受雨季影响其地表变化情况，拍摄时间分别为 1997 年 5 月和 1997 年 8 月。从图 2(a)和图 2(b)可以看出，该组图像数据主要由陆地和水域构成，变化信息主要来自于由洪水引起

的地表变化。图 2(c)为地物变化参考图，图中的白色像素表示两时相间发生变化的区域。

(a) (b) (c)

图 2 (a)1997 年 5 月图像, (b)1997 年 8 月图像, (c)参考图

数据 3 是由遥感卫星 Landsat-7 获得的光学遥感图像，反映的是墨西哥(Mexico)郊外火

灾的情况。图 3(a)和(b)分别表示 2000 年 4 月和 2002 年 5 月的墨西哥郊外的图像。图 3(c)为参考变化图，主要变化信息是 2002 年 5 月墨西哥郊外遭受火灾后植被的损坏情况。

图 3 (a) 2000 年 4 月的墨西哥郊外图像,(b)2002 年 5 月的墨西哥郊外图像,(c)参考图

数据 4 是由遥感卫星 Landsat-5 获得的光学遥感图像，反映的是意大利撒丁岛(Sardinia)水域的变化情况。图 4(a)和(b)分别表示 1995 年 9 月和 1996 年 7 月的图像，(c)为参考变化

图，变化信息主要还是关于水域的变化。

图 4.5(a) 1995 年 9 月的撒丁岛图像,(b)1996 年 9 月的撒丁岛图像,(c)参考图

在系统完整性和美观的基础上，通过与标准的变化结果参考图的对比，用下指标评价所

开发系统的性能：

（1）错检数（False Positives，FP）：实际没有发生变化但检测为发生变化的像素个数；

（2）漏检数（False Negatives，FN）：实际发生变化但检测为没有发生变化的像素个数；

（3）总错误数（Overall Error，OE）：等于漏检数和错检数之和；

（4）正确检测率（Percentage Correct Classification，PCC）：首先计算实际发生变化且

检测为发生变化的像素个数（True Positives，TP）和实际没有发生变化但检测为没有变化的

像素个数（True Negatives，TN）之和，然后与图像总像素个数相比。其定义式如下所示：

TP+TNPCC=TP+FP+TN+FN

2、鸟群飞行行为模拟系统开发

本题目要求开发一套完善的软件系统，实现对鸟群飞行行为的模拟（可在 baidu 视频中搜

索鸟群，观察鸟群飞行的规律）。每一只鸟可以设计为一个粒子（表示为圆点即可），要求尽

可能逼真的实现至少由 100 只鸟组成的鸟群飞行过程中的各种形态（包括出现捕食者时，鸟

群的行为）。

3、交互式图像与视频处理软件平台

采用人机交互的方式对采集（方式不限）得到的图像与视频进行处理。主要任务包括图

像与视频的质量增强（去噪、去模糊、去雾）、分割（运动目标、人体、前景）、目标跟踪与

提取、特技处理（遮挡、文字移除、指定目标移除或叠加、背景提取、背景叠加）等。

本题目要求开发一套完善的软件系统，实现对某种或几种固定采集方式的实时和离线处

理。

4、基于云计算的遥感图像处理平台  

美国国家标准与技术研究所这样定义云计算：云计算是一种模型，它可以实现随时随地，

便捷地，随需应变地从可配置计算资源共享池中获取所需的资源（例如，网络、服务器、存

储、应用、及服务），资源能够快速供应并释放，使管理资源的工作量和与服务提供商的交

互减小到最低限度。 现在有很多开源软件可以用来建设云平台，如Eucalyptus、Hadoop和OpenStack等。

Hadoop是 Google 云计算技术的开源实现，采用Java 开发，HDFS、MapReduce、HBase分别是Google 的GFS、MapReduce、Bigtable 的开源实现。Hadoop 具有可扩展、经济、可靠

和高效等优点。 本次竞赛要求采用开源软件和Hadoop建立云计算平台，并实现基于MapReduce并行计

算框架的图像处理算法，比如去噪。

5、高光谱遥感数据分类

高光谱遥感技术是一种新型的对地观测技术，它将传统遥感成像技术和物理中的光谱

分析技术结台，在探测物体空间特征的同时对每个空间像素色散形成几十个或几百个波长带

宽为 10‐20nm 左右连续的光谱波段，因此所获得的谱像合一的高光谱遥感图像携带了丰富

的光谱信息，非常有利于地物分类，广泛应用于战场情报侦察、目标识别、气候变化监测、

植物生长监测、灾害监测、数字地球等领域。要求实现极少每类标记样本 5~10 个时准确的

地物分类。测试数据库说明如下： 

 

AVIRIS 高光谱数据 92AV3C：该场景由 AVIRIS 传感器于 1992 年 6 月获得，该数据为

145*145 大 小 ， 有 220 个 波 段 。 该 数 据 及 真 实 标 记 图 可 以 由 因 特 网 下 载 ：

http://www.ehu.es/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes。该数据共包含

16 个类别，如表 1 所示。其真实标记图如图 1所示。 

表 1.1 IndianPine数据的 16 类地物类

类别 地物类 中文对应名字 样本数 C1 Alfalfa 苜蓿 54 C2 Corn-notill 免耕玉米地 1434 C3 Corn-min 玉米幼苗 834 C4 Corn 玉米 234 C5 Grass/Pasture 草地、牧场 497 C6 Grass/Trees 草地、树林 747 C7 Grass/pasture-mowed 修剪过得草地 26 C8 Hay-windrowed 干草，料堆 489 C9 Oats 燕麦 20 C10 Soybeans-notill 免耕大豆地 968 C11 Soybeans-min 大豆幼苗 2468 C12 Soybean-clean 整理过得大豆地 614 C13 Wheat 小麦 212 C14 Woods 木材 1294 C15 Bldg-Grass-Tree-Drives 大厦-草-树-机器 380 C16 Stone-steel towers 石钢塔 95

                                   图 1 Hyperspectral Imagery and Groundtruth of classification 

6、图像超分辨重建

图像是人类获取信息的重要途径之一，随着社会信息化程度的提高，人们对图像分辨率

的要求也越来越高。例如，在公共安全领域，人们要求高清晰的目标图像，可以对相关人员

进行辨识；在遥感侦测领域，通过获得某一地域的高分辨率图像，可以提高目标的识别率；

在医学成像领域，通过获得高清晰的 X 射线摄影(CT)和磁共振成像(MRI)，可以有利于对某些

疾病的诊断。图像超分辨率重构可以克服图像传感器的分辨率限制，从一幅或多幅低分辨图

像中逆向重构出一幅高分辨率图像。课题要求实现放大因子 3~5 倍时，单幅图像的超分辨率

重构，测试数据库说明如下： 

(http://decsai.ugr.es/cvg/dbimagenes/index.php 计算机视觉数据库，分为人体、动物、建

筑、地面、船/飞机 5 类自然图像作为测试图像，每类 5 幅图像。 

 

人体 

 

 

动物 

 

建筑 

   

 

地面 

 

      船/飞机 

 

 

 

 

7、基于视频的人体动作识别

基于视频的人体动作识别通过计算机对传感器(摄像机)采集的图像序列数据进行处理

和分析,学习并理解其中人的动作和行为，目前人体动作识别已经成为计算机视觉领域非常

活跃的研究内容之一，在人机交互、视频检索以及行为分析等有广泛的应用。要求设计特征

描述子和分类器，基于视频序列实现快速准确的人体动作识别，在常见的几个行为识别数据

库上验证其性能： 

1. Weizmann：数据库包含了 10 个动作分别是走，跑，跳，飞跳，向一侧移动，单只手

挥动，2 只手挥动，单跳，2 只手臂挥动起跳,每个动作有 10 个人执行。在这个视频集中，

其背景是静止的，且前景提供了剪影信息。该数据集较为简单。 

2. KTH：行人数据库包含了 6 种动作，分别为走，慢跑，跑挥手和鼓掌。每种动作由 25

个不同的人完成。每个人在完成这些动作时又是在 4 个不同的场景中完成的，4 个场景分别

为室外，室内，室外放大，室外且穿不同颜色的衣服。 

3. Hollywood：多个电影数据库，其中数据库 1包括 8 种动作，分别是接电话，下轿车，

握手，拥抱，接吻，坐下，起立，站立。这些动作都是从电影中直接抽取的，由不同的演员

在不同的环境下演的。数据库 2 在上面的基础上又增加了 4个动作，骑车，吃饭，打架，跑。

并且其训练集给出了电影的自动描述文本标注，另外一些是由人工标注的。因为有遮挡，移

动摄像机，动态背景等因素，这个数据集较有挑战。 

 

 

 

8、SAR 图像飞机目标检测(由于数据比较大，选择本题目请发邮件索图像数据) 

近年来，合成孔径雷达（SAR）技术从过去的单极化、单波段、固定入射角、单模式，

已经迅速发展成为高分辨、多极化、多波段、多模式、多平台的成像雷达，同时干涉 SAR、超宽带、多卫星群等技术也在不断涌现。这些大量新型 SAR 数据包含的信息越来越丰富，

这些影像数据为军事目标检测和识别，及各种地面军事活动的监测提供了直接的手段。如何

更为有效、全面的分析和利用这些数据集，实现影像的真正意义上的自动目标识别，从中发

现规律，并寻找感兴趣的军事目标知识是当前雷达探测领域研究的关键问题。 本课题实现高分辨 SAR 图像中飞机的检测，测试数据为 6 幅 SAR 图像，其中如下图 1

所示白色小区域就是飞机目标（飞机为机场中静止的飞机，不是天上运动的飞机），检测的

最终结果就是一幅二值图，该二值图背景为黑色，飞机目标区域为白色，要求检测到的区域

和目标轮廓比较吻合。基本思路，先检测机场，然后在机场区域中检测飞机。要求采用 vc++

进行软件设计。 

 

9、图像融合软件系统(由于数据比较大，选择本题目请发邮件索图像数据) 

图像融合是将不同传感器对同一地区或目标进行拍摄的图片的信息融合在一起，产生

一幅新的图片，新的图片包含了两幅或多幅图像的共有信息和互补信息。融合的目的是提高

后续图像处理的信息量。测试图片为 55 组不同传感器拍摄的图片，每组两幅进行融合。要

求采用 vc++进行软件设计。 

 

 

 

 

10、基于云计算的多目标优化  

  现实世界中的绝大多数优化问题都涉及多个目标，而且这些目标并不是独立存在的，

它们往往是耦合在一起的互相竞争的目标，每个目标具有不同的意义和量纲，它们的竞争性

和复杂性使得对其优化变得困难。

不失一般性，一个具有 n 个决策变量，m 个目标变量的多目标优化问题可表述为：

( )T1 2min ( ) ( ), ( ),... ( )mf f f

∈Ω= =

xy F x x x x

其中， 1( , , )nx x= ∈ΩKx 为n维的决策矢量，Ω为可行域， 1( , , )my y= Ky 为m维的目标

矢量。目标函数 ( )F x 定义了m个由决策空间向目标空间的映射函数。

本次竞赛要求采用开源软件建立云计算平台，并实现基于云计算的多目标算法，

并将其应用于函数优化、图像处理和数据挖掘等方向。

 

 

 

 

11、智能信息处理及其在大数据分析中的应用            

智能信息处理是模拟人或者自然界其他生物处理信息的行为，建立处理复杂系统信

息的理论、算法和系统的方法和技术，主要包括模糊信息处理、神经网络信息处理、粗

集信息处理、遗传算法、蚁群算法、免疫算法和量子智能信息处理等。近年来，已经在

复杂系统建模、系统分析、系统决策、系统控制、系统优化和系统设计等领域得到了广

泛地应用。

2012年3月，美国奥巴马政府公布了“大数据研发计划”（Big Data Research and

Development Initiative）。该计划旨在提高和改进人们从海量和复杂的数据中获取知

识的能力，进而加速美国在科学与工程领域发明的步伐，增强国家安全。美国国家科学

基金会，、国立卫生研究院、国防部、能源部、国防部高级研究计划局、地质勘探局等

六个联邦部门和机构宣布投资2亿美元，共同提高收集、储存、保留、管理、分析和共

享海量数据所需核心技术的先进性，扩大大数据技术开发和应用所需人才的供给。在美

国宣布大数据计划后，世界其他国家以及各大商业公司也对大数据给予了极大关注。从

高德纳公司新发布的2012年技术超周期图来看，大数据和极大规模信息的处理与管理目

前正处在技术的诱发期，进入主流应用还需要2~5年时间。如何抓住这一时机，是摆在

学术界、工业界研究者面前的机会与挑战。

本次竞赛要求采用智能信息处理研究大数据的处理问题。