RSD的伪三维(3D)遥感图像

这篇具有很好参考价值的文章主要介绍了RSD的伪三维(3D)遥感图像。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

李国春

3D对象的背后是3D模型,用点面数据描述现实世界的物体,通过材质视角光线等条件的渲染得到比较逼真的展示效果。但这里给大家介绍的伪3D则不然,将通常的遥感影像加上高程数据,不使用3D对象模型,实现一种自顶向下观察的模拟立体效果。

RSD的伪3D图像是常用的高程晕渲技术的一个延伸。通过定义光线以及坡度坡向对图像明暗的影响调整像元来实现立体观察效果。可以作为遥感影像图像合成的一种扩充。

一、伪3D图像效果

图1是一个GF6-WFV 16m遥感影像,图2是RSD伪3D处理效果。

RSD的伪三维(3D)遥感图像

图1 GF6卫星WFV 16m遥感影像

RSD的伪三维(3D)遥感图像

图2 GF6卫星WFV 16m遥感影像的伪3D效果

这是一个伪3D影像,不能实现多角度观察,只能显示自顶向下的图像。

二、伪3D图像制作

1. RSD加载卫星影像

按图1打开一个GF6卫星的WFV 16m的卫星影像。

2. 为任务添加DEM层

这里使用的是Astre 30m DEM数据。加载的DEM与遥感影像的分辨率尽量保持一致,有时没有较高分辨率的DEM数据也只能使用比分辨率的数据。RSD在加载时自动进行降分辨率插值,有最近邻点、二次线性和三次褶积三种插值方式。见图3。

RSD的伪三维(3D)遥感图像

 图3 加载的DEM层

加载DEM后,RSD任务中除了GF6的影像外,又增加了一个DEM层。这个层不是必须做成图3的晕渲图,自然的单色图像也可以。加载DEM参阅《使用RSD从DEM数据创建用户高程数据层》。

3. 创建伪3D图像

第一步,勾选GF6 图像层。

第二步,选择菜单 图像处理->合成图像->伪3D图像 。点击后出现 列表选择窗口 对话框,在对话框中选择DEM层。点击确定。

第三步,点击后出现图4的对话框。

RSD的伪三维(3D)遥感图像

图4 伪3D图像参数

图4中,第一、二个参数分别是光源的高度角和方位角,第三个参数Z值是立体效果程度的参数。通常取1即可,值越大,立体效果越强。参见图5、6、7。

RSD的伪三维(3D)遥感图像

图5  未进行伪3D图像处理

RSD的伪三维(3D)遥感图像 图6  Z值等于1时的伪3D图像

RSD的伪三维(3D)遥感图像

 图7  Z值等于2时的伪3D图像

加企鹅758461012,原来的满了。文章来源地址https://www.toymoban.com/news/detail-483934.html

到了这里,关于RSD的伪三维(3D)遥感图像的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 三维数字散斑3D-DIC(图像相关法)技术用于分析载荷对风力机叶片应变特性影响

    背景 叶片作为风力发电机中重要组成部件,造价约占整个风力机的1/3。叶片在制造、运输、安装、维护等各环节都是非常困难的,并且叶片在使用寿命期内常会发生折断、脱落、疲劳损伤等事故,因此研究叶片的应变特性具有十分重要的意义。 利用新拓三维XTDIC三维全场应变

    2024年04月09日
    浏览(42)
  • 三维重建 PyQt Python VTK 体绘制 医学图像可视化系统,可提供源码(横断面,冠状面,矢状面,3D)

    本文实现了 Python C++ 版本 的 四视图,横断面,冠状面,矢状面,3D 三维重建 医学图像的可视化 PyQt Python VTK四视图(横断面,冠状,矢状面,3D) 主要功能: 1.支持 JPG PNG TIF DICOM RAW MHD Nii 等多种数据格式导入 2. 四视图搭建,,横断面,冠状面,矢状面 3D; 3. 四窗口每个窗口可

    2024年02月09日
    浏览(64)
  • 【计算机视觉中的 GAN 】 - 条件图像合成和 3D 对象生成(2)

            上文  【计算机视觉中的 GAN 】 或多或少是GANs,生成学习和计算机视觉的介绍。我们达到了在 128x128 图像中生成可区分图像特征的程度。但是,如果你真的想了解GAN在计算机视觉方面的进展,你肯定必须深入研究图像到图像的翻译。尽管这是第一个成功的模型,

    2024年02月15日
    浏览(52)
  • VR/AR/XR背后的逻辑?离不开三维引擎相机

    作者:木一 自从Apple Vision Pro问世以来,这款被誉为开启“ 空间计算时代 ”的产品迅速吸引了众多科技博主的深度关注。业界对它的评价褒贬不一,一些人认为它是一款具有里程碑意义的创新产品,而另一些人则认为它不过是众多高质量虚拟现实(VR)产品中的一员。尽管市

    2024年04月12日
    浏览(52)
  • Python遥感图像处理应用篇(二十四):Python绘制遥感图像各波段热力图(相关系数矩阵)

    给多光谱遥感图像各个波段绘制热力图,首先需要计算波段之间的相关系数矩阵,而计算遥感图像波段相关系数矩阵有不同的方法,常用的我们可以采用遥感图像处理软件计算,比如ENVI软件就可以计算相关系数矩阵,使用工具箱中的Statistics工具即可进行多种统计运算。 我们

    2023年04月09日
    浏览(51)
  • Python遥感图像处理应用篇(二十八):Python绘制遥感图像分类结果混淆矩阵和计算分类精度

    Indians Pines高光谱数据,使用SVM分类方法(选取10%样本量)计算得到的结果。 参考数据: 分类数据:

    2024年02月13日
    浏览(57)
  • Python遥感图像处理应用篇(二十七):Python绘制遥感图像各波段热力图(相关系数矩阵)(续)

    续-https://soderayer.blog.csdn.net/article/details/125757807 上一篇中使用csv文件计算的相关系数热力图,本篇我们直接使用遥感图像来计算图像波段之间的相关系数。 实际上,目前已有的软件,如ENVI就可以直接计算图像波段之间的相关系数,该工具计算的是合成波段之间的相关系数。如

    2023年04月17日
    浏览(48)
  • 【遥感图像】目标检测系列.1

    目录 Unsupervised Domain Adaptation for Cloud Detection Based on Grouped Features Alignment and Entropy Minimization, TGRS2022 Semi-Supervised Cloud Detection in Satellite Images by Considering the Domain Shift Problem, RS2022 CoF-Net: A Progressive Coarse-to-Fine Framework for Object Detection in Remote-Sensing Imagery, TGRS2023 Category Correlation and A

    2024年02月06日
    浏览(42)
  • 遥感图像目标检测研究综述

    尺度多样性:航空遥感图像可从几百米到近万米的高度进行拍摄,且地面目标即使是同类目标也大小不一,如港口的轮船大的有300多米,小的却只有数十米。 视角特殊性:航空遥感图像的视角基本都是高空俯视,但常规数据集大部分还是地面水平视角,所以同一目标的模式是

    2024年02月04日
    浏览(61)
  • 遥感图像超分辨重建综述

    摘要部分 基于深度学习的遥感图像超分重建方法分成三大类 单幅遥感图像超分重建 最好的是基于GAN的方法 方法: 基于多尺度特征提取的方法 结合小波变换的方法 沙漏状生成网络的方法 边缘增强网络的方法 可跨传感器的方法 多幅遥感图像超分重建 超分效果不佳,存在配

    2024年02月04日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包