CN111161123B - 一种针对三维实景数据的脱密方法及装置 - Google Patents
一种针对三维实景数据的脱密方法及装置 Download PDFInfo
- Publication number
- CN111161123B CN111161123B CN201911265401.9A CN201911265401A CN111161123B CN 111161123 B CN111161123 B CN 111161123B CN 201911265401 A CN201911265401 A CN 201911265401A CN 111161123 B CN111161123 B CN 111161123B
- Authority
- CN
- China
- Prior art keywords
- action data
- dimensional live
- elevation
- model
- regular grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
一种针对三维实景数据的脱密方法,其特征在于:它包括以下步骤:(1)利用伪随机正态分布算法,生成全球高程异常模型;(2)利用全球高程异常模型对三维实景数据的高程值进行脱密处理,同时利用火星坐标系对三维实景模型的平面坐标进行脱密处理。该针对三维实景数据的脱密方法不易被破解。另外还提供一种针对三维实景数据的脱密装置。
Description
技术领域
本发明涉及地理空间框架信息安全技术领域,具体涉及一种针对三维实景数据的脱密方法及装置。
背景技术
随着无人机、倾斜摄影、计算机视觉、云计算等技术的发展,快速生成大范围、高精度的三维实景数据已成为可能。三维实景数据既能够表达城市的全要素信息,又具有测绘级的空间精度,将极有可能成为一种全新的互联网地图产品。
根据《基础地理信息公开表示内容的规定(试行)》、《公开地图内容表示若干规定》、《公开地图内容表示补充规定(试行)》等文件的要求,在互联网上传播的地图产品需要进行几何脱密处理,降低空间精度,几何脱密后的位置精度不得高于50m。另外,为了确保三维实景数据版权所有者的合法权益,防止数据被其他个人或组织盗用,需要对三维实景数据添加水印,嵌入水印后的数据不影响原数据的价值和使用。
但是由于原国家测绘地理信息局采用的火星坐标系,只能处理二维数据,不能对高程信息进行有效处理,因此目前还未针对三维实景数据设计出不易被破解的脱密方法。
发明内容
本发明要解决的技术问题是:提供一种不易被破解的针对三维实景数据的脱密方法。
本发明的技术解决方案是:一种针对三维实景数据的脱密方法,其特征在于:它包括以下步骤:
(1)利用伪随机正态分布算法,生成全球高程异常模型;
(2)利用全球高程异常模型对三维实景数据的高程值进行脱密处理,同时利用火星坐标系对三维实景模型的平面坐标进行脱密处理。
采用上述方法后,本发明具有以下优点:
本发明可以同时对平面和高程信息进行脱密处理,从而能够实现三维实景数据的脱密处理;其次,由于针对不同的三维实景数据,可以创建不同的全球高程异常模型,而且高程异常值又带有随机噪声,因此可以有效防止脱密参数被破解。
作为优选,所述步骤(1)中利用伪随机正态分布算法,生成全球高程异常模型,包括以下子步骤:
(1a)令全球高程异常模型的分辨率为s,已知全球经度的范围为[-180,180],纬度的范围为[-90,90],则全球高程异常模型在经度和纬度方向上的单元数分别为long_size和lat_size,其中,
(1b)生成长宽单元数分别为long_size和lat_size的第一规则格网,该第一规则格网的每个单元存储一个浮点数,表示该位置的高程异常值;
(1c)令第一规则格网的某个单元的行列号为r和c,则其对应的经纬度为L和B,其中
(1d)设高程异常值满足带有噪声的正态分布f(x,y),则得到的全球高程异常模型如下:
其中:rand()为随机函数,返回值范围为[0,1],A为幅值,u为均值,σ为标准差,
%表示取模,int表示取整。
该设置可将全球三维实景数据规划成规则的格网,方便计算,而且也容易实现规则格网行列号与经纬度的换算和对应。
作为优选,所述子步骤(1d)中还对全球高程异常模型进行高斯滤波。该设置可避免高程异常值存在突变,从而可避免三维实景数据变形。
作为优选,所述步骤(2)中利用全球高程异常模型对三维实景数据的高程值进行脱密处理,包括以下子步骤:
(2a)令三维实景数据的任一顶点的坐标为P(B,L,H),对应的全球高程异常模型中较近点P00的行列号为r0和c0,经纬度为(B0,L0),其中
(2b)获取与P00(r0,c0)临近的三个点的行列号坐标分别为P10(r1,c0)、P01(r0,c1)、P11(r1,c1);
(2c)根据全球高程异常模型,获取P00(r0,c0)、P10(r1,c0),P01(r0,c1),P11(r1,c1)对应的高程异常值分别为H00,H10,H01,H11,则得到三维实景数据的顶点P(B,L,H)对应的高程异常值Δh:
Δh=(1-a)(1-b)H00+(1-a)bH01+a(1-b)H10+abH11,
(2d)对三维实景数据的顶点P(B,L,H)进行高程脱密,脱密后的高程值H'=H+Δh。
该设置将待处理的三维实景数据的顶点与全球高程异常模型中最临近的点以及三个次接近的相邻点均关联起来,这样获取的高程异常值更加准确,不易变形,且更不易被破解。
作为优选,所述步骤(2)之后还包括步骤(3):采用纹理重投影算法,将水印嵌入到三维实景数据中,该步骤包括以下子步骤:
(3a)令水印之间的间隔为d米,则每隔d米抽取一块三维实景数据作为待处理数据,针对每块待处理的三维实景数据,计算其平面范围,X方向范围为[Xmin,Xmax],Y方向范围为[Ymin,Ymax];
(3b)将待处理平面处理成一个长宽单元数分别为K1、K2的第二规则格网,该第二规则格网的每个单元可以存储一组纹理坐标(u,v)和一个深度值d;
(3c)对待嵌入的水印进行光栅化处理,对光栅化处理后的水印图片进行缩放处理,使得水印图片的大小小于等于待处理的三维实景数据的平面范围;
(3d)初始化第二规则格网,将第二规则格网中所有单元的纹理坐标均设置为(-1,-1),深度值d均设置为NAN,同时对水印图片进行边缘透明填充,使得水印图片大小与第二规则格网大小一致;
(3e)令三维实景数据的任意顶点的坐标P为(Xi,Yi,Zi),对应的纹理坐标为(ui,vi),则该顶点P投影到第二规则格网的行列号为ri和ci,该单元所存储的纹理坐标为(u,v),深度值为d,如果d为NAN或者d小于Zi,则将(ui,vi)替换(u,v),Zi替换d,其中,
重复本步骤,直到所有顶点都已经投影到第二规则格网中,并且更新好纹理坐标和深度值;
(3f)令三维实景数据的任一三角形顶点为Pi 0,Pi 1,Pi 2,将该三个顶点Pi 0,Pi 1,Pi 2按照上述公式(6)投影到第二规则格网中,投影后的坐标为P’i 0,P’i 1,P’i 2,若投影位置存储的纹理坐标与其实际纹理坐标一致,则进行如下操作:设水印图片对位置P’i 0,P’i 1,P’i 2的内容为Ia,三角形Pi 0,Pi 1,Pi 2在原纹理图像中的内容为Ib,则两者融合之后的结果为Ic=0.5×(Ia+Ib),再将Ic更新回纹理图像。
该设置在不修改三维实景数据的拓扑结构的前提下,无缝嵌入任意文字的水印,嵌入的水印与三维实景模型完美套合,不影响数据的价值和使用。
本发明要解决的另一技术问题是:提供一种不易被破解的针对三维实景数据的脱密装置。
本发明的技术解决方案是:一种针对三维实景数据的脱密装置,其特征在于:它包括:
模型生成模块,用于利用伪随机正态分布算法,生成全球高程异常模型;
脱密处理模块,用于利用全球高程异常模型对三维实景数据的高程值进行脱密处理,同时利用火星坐标系对三维实景模型的平面坐标进行脱密处理。
采用上述装置后,本发明具有以下优点:
本发明可以同时对平面和高程信息进行脱密处理,从而能够实现三维实景数据的脱密处理;其次,由于针对不同的三维实景数据,可以创建不同的全球高程异常模型,而且高程异常值又带有随机噪声,因此可以有效防止脱密参数被破解。
作为优选,所述模型生成模块包括:
第一参数获取子模块,令全球高程异常模型的分辨率为s,已知全球经度的范围为[-180,180],纬度的范围为[-90,90],则全球高程异常模型在经度和纬度方向上的单元数分别为long_size和lat_size,其中,
第一格网生成子模块,生成长宽单元数分别为long_size和lat_size的第一规则格网,该第一规则格网的每个单元存储一个浮点数,表示该位置的高程异常值;
第一行列-经纬转换子模块,令第一规则格网的某个单元的行列号为r和c,则其对应的经纬度为L和B,其中
模型获取子模块,设高程异常值满足带有噪声的正态分布f(x,y),则得到的全球高程异常模型如下:
其中:rand()为随机函数,返回值范围为[0,1],A为幅值,u为均值,σ为标准差,
%表示取模,int表示取整。
该设置可将全球三维实景数据规划成规则的格网,方便计算,而且也容易实现规则格网行列号与经纬度的换算和对应。
作为优选,所述模型获取子模块还用于对全球高程异常模型进行高斯滤波。该设置可避免高程异常值存在突变,从而可避免三维实景数据变形。
作为优选,所述脱密处理模块包括:
第二行列-经纬转换子模块,令三维实景数据的任一顶点的坐标为P(B,L,H),对应的全球高程异常模型中较近点P00的行列号为r0和c0,经纬度为(B0,L0),其中
临近点获取子模块,获取与P00(r0,c0)临近的三个点的行列号坐标分别为P10(r1,c0)、P01(r0,c1)、P11(r1,c1);
高程异常值获取子模块,根据全球高程异常模型,获取P00(r0,c0)、P10(r1,c0),P01(r0,c1),P11(r1,c1)对应的高程异常值分别为H00,H10,H01,H11,则得到三维实景数据的顶点P(B,L,H)对应的高程异常值Δh:Δh=(1-a)(1-b)H00+(1-a)bH01+a(1-b)H10+abH11,其中,
高程脱密子模块,对三维实景数据的顶点P(B,L,H)进行高程脱密,脱密后的高程值H'=H+Δh。
该设置将待处理的三维实景数据的顶点与全球高程异常模型中最临近的点以及三个次接近的相邻点均关联起来,这样获取的高程异常值更加准确,不易变形,且更不易被破解。
作为优选,还包括水印嵌入模块:用于采用纹理重投影算法,将水印嵌入到三维实景数据中;所述水印嵌入模块包括:
第二参数获取子模块,令水印之间的间隔为d米,则每隔d米抽取一块三维实景数据作为待处理数据,针对每块待处理的三维实景数据,计算其平面范围,X方向范围为[Xmin,Xmax],Y方向范围为[Ymin,Ymax];
第二格网生成子模块,将待处理平面处理成一个长宽单元数分别为K1、K2的第二规则格网,该第二规则格网的每个单元可以存储一组纹理坐标(u,v)和一个深度值d;
水印预处理子模块,对待嵌入的水印进行光栅化处理,对光栅化处理后的水印图片进行缩放处理,使得水印图片的大小小于等于待处理的三维实景数据的平面范围;
初始化子模块,初始化第二规则格网,将第二规则格网中所有单元的纹理坐标均设置为(-1,-1),深度值d均设置为NAN,同时对水印图片进行边缘透明填充,使得水印图片大小与第二规则格网大小一致;
顶点映射子模块,令三维实景数据的任意顶点的坐标P为(Xi,Yi,Zi),对应的纹理坐标为(ui,vi),则该顶点P投影到第二规则格网的行列号为ri和ci,该单元所存储的纹理坐标为(u,v),深度值为d,如果d为NAN或者d小于Zi,则将(ui,vi)替换(u,v),Zi替换d,其中
重复本步骤,直到所有顶点都已经投影到第二规则格网中,并且更新好纹理坐标和深度值;
水印模型套合子模块,令三维实景数据的任一三角形顶点为Pi 0,Pi 1,Pi 2,将该三个顶点Pi 0,Pi 1,Pi 2按照上述公式(6)投影到第二规则格网中,投影后的坐标为P’i 0,P’i 1,P’i 2,若投影位置存储的纹理坐标与其实际纹理坐标一致,则进行如下操作:设水印图片对位置P’i 0,P’i 1,P’i 2的内容为Ia,三角形Pi 0,Pi 1,Pi 2在原纹理图像中的内容为Ib,则两者融合之后的结果为Ic=0.5×(Ia+Ib),再将Ic更新回纹理图像。
该设置在不修改三维实景数据的拓扑结构的前提下,无缝嵌入任意文字的水印,嵌入的水印与三维实景模型完美套合,不影响数据的价值和使用。
附图说明:
图1为实施例1中针对三维实景数据的脱密方法的流程图;
图2为实施例1中添加水印后的三维实景模型的效果图;
具体实施方式
下面结合附图,并结合实施例对本发明做进一步的说明。
实施例1:
一种针对三维实景数据的脱密方法,它包括以下步骤:
(1)利用伪随机正态分布算法,生成全球高程异常模型;
(2)利用全球高程异常模型对三维实景数据的高程值进行脱密处理,同时利用火星坐标系对三维实景模型的平面坐标进行脱密处理。
作为优选,所述步骤(1)中利用伪随机正态分布算法,生成全球高程异常模型,包括以下子步骤:
(1a)令全球高程异常模型的分辨率为s,s优选值为1/60°,已知全球经度的范围为[-180,180],纬度的范围为[-90,90],则全球高程异常模型在经度和纬度方向上的单元数分别为long_size和lat_size,其中,
(1b)生成长宽单元数分别为long_size和lat_size的第一规则格网,该第一规则格网的每个单元存储一个浮点数,表示该位置的高程异常值;
(1c)令第一规则格网的某个单元的行列号为r和c,则其对应的经纬度为L和B,其中
(1d)设高程异常值满足带有噪声的正态分布f(x,y),则得到的全球高程异常模型如下:
作为优选,所述子步骤(1d)中还对全球高程异常模型进行高斯滤波,滤波窗口可为9×9。
作为优选,所述步骤(2)中利用全球高程异常模型对三维实景数据的高程值进行脱密处理,包括以下子步骤:
(2a)令三维实景数据的任一顶点的坐标为P(B,L,H),对应的全球高程异常模型中较近点P00的行列号为r0和c0,经纬度为(B0,L0),其中
(2b)获取与P00(r0,c0)临近的三个点的行列号坐标分别为P10(r1,c0)、P01(r0,c1)、P11(r1,c1);
(2c)根据全球高程异常模型,获取P00(r0,c0)、P10(r1,c0),P01(r0,c1),P11(r1,c1)对应的高程异常值分别为H00,H10,H01,H11,则得到三维实景数据的顶点P(B,L,H)对应的高程异常值Δh:
Δh=(1-a)(1-b)H00+(1-a)bH01+a(1-b)H10+abH11,
(2d)对三维实景数据的顶点P(B,L,H)进行高程脱密,脱密后的高程值H'=H+Δh。
作为优选,所述步骤(2)之后还包括步骤(3):采用纹理重投影算法,将水印嵌入到三维实景数据中,该步骤包括以下子步骤:
(3a)令水印之间的间隔为d米,则每隔d米抽取一块三维实景数据作为待处理数据,针对每块待处理的三维实景数据,计算其平面范围,X方向范围为[Xmin,Xmax],Y方向范围为[Ymin,Ymax];
(3b)将待处理平面处理成一个长宽单元数分别为K1、K2的第二规则格网,例如K1、K2均取2048,该第二规则格网的每个单元可以存储一组纹理坐标(u,v)和一个深度值d;
(3c)对待嵌入的水印进行光栅化处理,对光栅化处理后的水印图片进行缩放处理,使得水印图片的大小小于等于待处理的三维实景数据的平面范围,例如取水印大小为256;
(3d)初始化第二规则格网,将第二规则格网中所有单元的纹理坐标均设置为(-1,-1),深度值d均设置为NAN,同时对水印图片进行边缘透明填充,使得水印图片大小与第二规则格网大小一致;
(3e)令三维实景数据的任意顶点的坐标P为(Xi,Yi,Zi),对应的纹理坐标为(ui,vi),则该顶点P投影到第二规则格网的行列号为ri和ci,该单元所存储的纹理坐标为(u,v),深度值为d,如果d为NAN或者d小于Zi,则将(ui,vi)替换(u,v),Zi替换d,其中,
重复本步骤,直到所有顶点都已经投影到第二规则格网中,并且更新好纹理坐标和深度值;
(3f)令三维实景数据的任一三角形顶点为Pi 0,Pi 1,Pi 2,将该三个顶点Pi 0,Pi 1,Pi 2按照上述公式(6)投影到第二规则格网中,投影后的坐标为P’i 0,P’i 1,P’i 2,若投影位置存储的纹理坐标与其实际纹理坐标一致,则进行如下操作:设水印图片对位置P’i 0,P’i 1,P’i 2的内容为Ia,三角形Pi 0,Pi 1,Pi 2在原纹理图像中的内容为Ib,则两者融合之后的结果为Ic=0.5×(Ia+Ib),再将Ic更新回纹理图像。
实施例2:
一种针对三维实景数据的脱密装置,它包括:
模型生成模块,用于利用伪随机正态分布算法,生成全球高程异常模型;
脱密处理模块,用于利用全球高程异常模型对三维实景数据的高程值进行脱密处理,同时利用火星坐标系对三维实景模型的平面坐标进行脱密处理。
作为优选,所述模型生成模块包括:
第一参数获取子模块,令全球高程异常模型的分辨率为s,已知全球经度的范围为[-180,180],纬度的范围为[-90,90],则全球高程异常模型在经度和纬度方向上的单元数分别为long_size和lat_size,其中,
第一格网生成子模块,生成长宽单元数分别为long_size和lat_size的第一规则格网,该第一规则格网的每个单元存储一个浮点数,表示该位置的高程异常值;
第一行列-经纬转换子模块,令第一规则格网的某个单元的行列号为r和c,则其对应的经纬度为L和B,其中
模型获取子模块,设高程异常值满足带有噪声的正态分布f(x,y),则得到的全球高程异常模型如下:
其中:rand()为随机函数,返回值范围为[0,1],A为幅值,u为均值,σ为标准差,
%表示取模,int表示取整。
作为优选,所述模型获取子模块还用于对全球高程异常模型进行高斯滤波。
作为优选,所述脱密处理模块包括:
第二行列-经纬转换子模块,令三维实景数据的任一顶点的坐标为P(B,L,H),对应的全球高程异常模型中较近点P00的行列号为r0和c0,经纬度为(B0,L0),其中
临近点获取子模块,获取与P00(r0,c0)临近的三个点的行列号坐标分别为P10(r1,c0)、P01(r0,c1)、P11(r1,c1);
高程异常值获取子模块,根据全球高程异常模型,获取P00(r0,c0)、P10(r1,c0),P01(r0,c1),P11(r1,c1)对应的高程异常值分别为H00,H10,H01,H11,则得到三维实景数据的顶点P(B,L,H)对应的高程异常值Δh:Δh=(1-a)(1-b)H00+(1-a)bH01+a(1-b)H10+abH11,其中,
高程脱密子模块,对三维实景数据的顶点P(B,L,H)进行高程脱密,脱密后的高程值H'=H+Δh。
作为优选,还包括水印嵌入模块:用于采用纹理重投影算法,将水印嵌入到三维实景数据中;所述水印嵌入模块包括:
第二参数获取子模块,令水印之间的间隔为d米,则每隔d米抽取一块三维实景数据作为待处理数据,针对每块待处理的三维实景数据,计算其平面范围,X方向范围为[Xmin,Xmax],Y方向范围为[Ymin,Ymax];
第二格网生成子模块,将待处理平面处理成一个长宽单元数分别为K1、K2的第二规则格网,该第二规则格网的每个单元可以存储一组纹理坐标(u,v)和一个深度值d;
水印预处理子模块,对待嵌入的水印进行光栅化处理,对光栅化处理后的水印图片进行缩放处理,使得水印图片的大小小于等于待处理的三维实景数据的平面范围;
初始化子模块,初始化第二规则格网,将第二规则格网中所有单元的纹理坐标均设置为(-1,-1),深度值d均设置为NAN,同时对水印图片进行边缘透明填充,使得水印图片大小与第二规则格网大小一致;
顶点映射子模块,令三维实景数据的任意顶点的坐标P为(Xi,Yi,Zi),对应的纹理坐标为(ui,vi),则该顶点P投影到第二规则格网的行列号为ri和ci,该单元所存储的纹理坐标为(u,v),深度值为d,如果d为NAN或者d小于Zi,则将(ui,vi)替换(u,v),Zi替换d,其中
重复本步骤,直到所有顶点都已经投影到第二规则格网中,并且更新好纹理坐标和深度值;
水印模型套合子模块,令三维实景数据的任一三角形顶点为Pi 0,Pi 1,Pi 2,将该三个顶点Pi 0,Pi 1,Pi 2按照上述公式(6)投影到第二规则格网中,投影后的坐标为P’i 0,P’i 1,P’i 2,若投影位置存储的纹理坐标与其实际纹理坐标一致,则进行如下操作:设水印图片对位置P’i 0,P’i 1,P’i 2的内容为Ia,三角形Pi 0,Pi 1,Pi 2在原纹理图像中的内容为Ib,则两者融合之后的结果为Ic=0.5×(Ia+Ib),再将Ic更新回纹理图像。
Claims (6)
1.一种针对三维实景数据的脱密方法,其特征在于:它包括以下步骤:
(1)利用伪随机正态分布算法,生成全球高程异常模型;
(2)利用全球高程异常模型对三维实景数据的高程值进行脱密处理,同时利用火星坐标系对三维实景模型的平面坐标进行脱密处理;
所述步骤(1)中利用伪随机正态分布算法,生成全球高程异常模型,包括以下子步骤:
(1a)令全球高程异常模型的分辨率为s,已知全球经度的范围为[-180,180],纬度的范围为[-90,90],则全球高程异常模型在经度和纬度方向上的单元数分别为long_size和lat_size,其中,
(1b)生成长宽单元数分别为long_size和lat_size的第一规则格网,该第一规则格网的每个单元存储一个浮点数,表示该单元所在位置的高程异常值;
(1c)令第一规则格网的某个单元的行列号为r和c,则其对应的经纬度为L和B,其中
(1d)设高程异常值满足带有噪声的正态分布f(x,y),则得到的全球高程异常模型如下:
其中:rand()为随机函数,返回值范围为[0,1],A为幅值,u为均值,σ为标准差,%表示取模,int表示取整;
所述步骤(2)中利用全球高程异常模型对三维实景数据的高程值进行脱密处理,包括以下子步骤:
(2a)令三维实景数据的任一顶点的坐标为P(B,L,H),对应的全球高程异常模型中较近点P00的行列号为r0和c0,经纬度为(B0,L0),其中,
(2b)获取与P00(r0,c0)临近的三个点的行列号坐标分别为P10(r1,c0)、P01(r0,c1)、P11(r1,c1);
(2c)根据全球高程异常模型,获取P00(r0,c0)、P10(r1,c0)、P01(r0,c1)、P11(r1,c1)对应的高程异常值分别为H00,H10,H01,H11,则点P的高程异常值为Δh:
Δh=(1-a)(1-b)H00+(1-a)bH01+a(1-b)H10+abH11;
(2d)对三维实景数据的顶点P(B,L,H)进行高程脱密,脱密后的高程值为H'=H+Δh。
2.根据权利要求1所述的一种针对三维实景数据的脱密方法,其特征在于:所述子步骤(1d)中还对全球高程异常模型进行高斯滤波。
3.根据权利要求1所述的一种针对三维实景数据的脱密方法,其特征在于:所述步骤(2)之后还包括步骤(3):采用纹理重投影算法,将水印嵌入到三维实景数据中,该步骤包括以下子步骤:
(3a)令水印之间的间隔为d米,则每隔d米抽取一块三维实景数据作为待处理数据,针对每块待处理的三维实景数据,计算其平面范围,X方向范围为[Xmin,Xmax],Y方向范围为[Ymin,Ymax];
(3b)将待处理平面处理成一个长宽单元数分别为K1、K2的第二规则格网,该第二规则格网的每个单元可以存储一组纹理坐标(u,v)和一个深度值d;
(3c)对待嵌入的水印进行光栅化处理,对光栅化处理后的水印图片进行缩放处理,使得水印图片的大小小于等于待处理的三维实景数据的平面范围;
(3d)初始化第二规则格网,将第二规则格网中所有单元的纹理坐标均设置为(-1,-1),深度值d均设置为NAN,同时对水印图片进行边缘透明填充,使得水印图片大小与第二规则格网大小一致;
(3e)令三维实景数据的任意顶点的坐标P为(Xi,Yi,Zi),对应的纹理坐标为(ui,vi),则该顶点P投影到第二规则格网的行列号为ri和ci,该单元所存储的纹理坐标为(u,v),深度值为d,如果d为NAN或者d小于Zi,则将(ui,vi)替换(u,v),Zi替换d,其中,
重复本步骤,直到所有顶点都已经投影到第二规则格网中,并且更新好纹理坐标和深度值;
(3f)令三维实景数据的任一三角形顶点为Pi 0,Pi 1,Pi 2,将该三个顶点按照上述公式(6)投影到第二维格网中,投影后的坐标为P’i 0,P’i 1,P’i 2,若投影位置存储的纹理坐标与其实际纹理坐标一致,则进行如下操作:设水印图片对位置P’i 0,P’i 1,P’i 2的内容为Ia,三角形Pi 0,Pi 1,Pi 2在原纹理图像中的内容为Ib,则融合之后的结果为Ic=0.5×(Ia+Ib),再将Ic更新回纹理图像。
4.一种针对三维实景数据的脱密装置,其特征在于:它包括:
模型生成模块,用于利用伪随机正态分布算法,生成全球高程异常模型;
脱密处理模块,用于利用全球高程异常模型对三维实景数据的高程值进行脱密处理,同时利用火星坐标系对三维实景模型的平面坐标进行脱密处理;
所述模型生成模块包括:
第一参数获取子模块,令全球高程异常模型的分辨率为s,已知全球经度的范围为[-180,180],纬度的范围为[-90,90],则全球高程异常模型在经度和纬度方向上的单元数分别为long_size和lat_size,其中,
第一格网生成子模块,生成长宽单元数分别为long_size和lat_size的第一规则格网,该第一规则格网的每个单元存储一个浮点数,表示该单元所在位置的高程异常值;
第一行列-经纬转换子模块,令第一规则格网的某个单元的行列号为r和c,则其对应的经纬度为L和B,其中
模型获取子模块,设高程异常值满足带有噪声的正态分布f(x,y),则得到的全球高程异常模型如下:
其中:rand()为随机函数,返回值范围为[0,1],A为幅值,u为均值,σ为标准差,%表示取模,int表示取整;
所述脱密处理模块包括:
第二行列-经纬转换子模块,令三维实景数据的任一顶点的坐标为P(B,L,H),对应的全球高程异常模型中较近点P00的行列号为r0和c0,经纬度为(B0,L0),其中,
临近点获取子模块,获取与P00(r0,c0)临近的三个点的行列号坐标分别为P10(r1,c0)、P01(r0,c1)、P11(r1,c1);
高程异常值获取子模块,根据全球高程异常模型,获取P00(r0,c0)、P10(r1,c0)、P01(r0,c1)、P11(r1,c1)对应的高程异常值分别为H00,H10,H01,H11,则得到三维实景数据的顶点P(B,L,H)的高程异常值为Δh:
Δh=(1-a)(1-b)H00+(1-a)bH01+a(1-b)H10+abH11;
高程脱密子模块,对三维实景数据的顶点P(B,L,H)进行高程脱密,脱密后的高程值为H'=H+Δh。
5.根据权利要求4所述的一种针对三维实景数据的脱密装置,其特征在于:所述模型获取子模块还用于对全球高程异常模型进行高斯滤波。
6.根据权利要求4所述的一种针对三维实景数据的脱密装置,其特征在于:还包括水印嵌入模块:用于采用纹理重投影算法,将水印嵌入到三维实景数据中;所述水印嵌入模块包括:
第二参数获取子模块,令水印之间的间隔为d米,则每隔d米抽取一块三维实景数据作为待处理数据,针对每块待处理的三维实景数据,计算其平面范围,X方向范围为[Xmin,Xmax],Y方向范围为[Ymin,Ymax];
第二格网生成子模块,将待处理平面处理成一个长宽单元数分别为K1、K2的第二规则格网,该第二规则格网的每个单元可以存储一组纹理坐标(u,v)和一个深度值d;
水印预处理子模块,对待嵌入的水印进行光栅化处理,对光栅化处理后的水印图片进行缩放处理,使得水印图片的大小小于等于待处理的三维实景数据的平面范围;
初始化子模块,初始化第二规则格网,将第二规则格网中所有单元的纹理坐标均设置为(-1,-1),深度值d均设置为NAN,同时对水印图片进行边缘透明填充,使得水印图片大小与第二规则格网大小一致;
顶点映射子模块,令三维实景数据的任意顶点的坐标P为(Xi,Yi,Zi),对应的纹理坐标为(ui,vi),则该顶点P投影到第二规则格网的行列号为ri和ci,该单元所存储的纹理坐标为(u,v),深度值为d,如果d为NAN或者d小于Zi,则将(ui,vi)替换(u,v),Zi替换d,其中,
重复本步骤,直到所有顶点都已经投影到第二规则格网中,并且更新好纹理坐标和深度值;
水印模型套合子模块,令三维实景数据的任一三角形顶点为Pi 0,Pi 1,Pi 2,将该三个顶点按照上述公式(6)投影到第二维格网中,投影后的坐标为P’i 0,P’i 1,P’i 2,若投影位置存储的纹理坐标与其实际纹理坐标一致,则进行如下操作:设水印图片对位置P’i 0,P’i 1,P’i 2的内容为Ia,三角形Pi 0,Pi 1,Pi 2在原纹理图像中的内容为Ib,则融合之后的结果为Ic=0.5×(Ia+Ib),再将Ic更新回纹理图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265401.9A CN111161123B (zh) | 2019-12-11 | 2019-12-11 | 一种针对三维实景数据的脱密方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265401.9A CN111161123B (zh) | 2019-12-11 | 2019-12-11 | 一种针对三维实景数据的脱密方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161123A CN111161123A (zh) | 2020-05-15 |
CN111161123B true CN111161123B (zh) | 2022-09-27 |
Family
ID=70556799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911265401.9A Active CN111161123B (zh) | 2019-12-11 | 2019-12-11 | 一种针对三维实景数据的脱密方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161123B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749241A (zh) * | 2020-07-28 | 2021-05-04 | 广西华蓝岩土工程有限公司 | 一种涉密宗地图界址点大地坐标脱密处理方法 |
CN113469868B (zh) * | 2021-07-16 | 2022-11-15 | 重庆市勘测院 | 一种基于结构变化的实景三维模型数字水印添加方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130096432A (ko) * | 2012-02-22 | 2013-08-30 | (주)지오투정보기술 | 해저면데이터의 경사도를 이용하여 해저지형정보를 생성하는 시스템 및 그 방법 |
CN103559452A (zh) * | 2013-10-30 | 2014-02-05 | 南京师范大学 | 一种高程数据脱密与恢复方法 |
CN105336003A (zh) * | 2015-09-28 | 2016-02-17 | 中国人民解放军空军航空大学 | 结合gpu技术实时流畅绘制出三维地形模型的方法 |
CN106327577A (zh) * | 2016-08-17 | 2017-01-11 | 中国地质大学(武汉) | 基于局部曲率熵和四叉树结构的三维地形曲面优化方法 |
CN106778347A (zh) * | 2016-12-22 | 2017-05-31 | 南京师范大学 | 一种基于三角函数的矢栅地理数据可逆脱密方法 |
CN107944287A (zh) * | 2017-12-05 | 2018-04-20 | 南京师范大学 | 一种dem几何精度脱密与恢复方法 |
CN109143297A (zh) * | 2018-09-12 | 2019-01-04 | 东南大学 | 一种兼容似大地水准面模型的实时网络rtk定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI486556B (zh) * | 2013-01-04 | 2015-06-01 | Univ Nat Central | Integration of Radar and Optical Satellite Image for Three - dimensional Location |
CN103093414B (zh) * | 2013-01-22 | 2015-11-18 | 南京师范大学 | 一种dom栅格数据脱密与恢复方法 |
CN104077536A (zh) * | 2014-06-19 | 2014-10-01 | 南京师范大学 | 基于径向基函数的gis矢量数据可逆脱密方法 |
-
2019
- 2019-12-11 CN CN201911265401.9A patent/CN111161123B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130096432A (ko) * | 2012-02-22 | 2013-08-30 | (주)지오투정보기술 | 해저면데이터의 경사도를 이용하여 해저지형정보를 생성하는 시스템 및 그 방법 |
CN103559452A (zh) * | 2013-10-30 | 2014-02-05 | 南京师范大学 | 一种高程数据脱密与恢复方法 |
CN105336003A (zh) * | 2015-09-28 | 2016-02-17 | 中国人民解放军空军航空大学 | 结合gpu技术实时流畅绘制出三维地形模型的方法 |
CN106327577A (zh) * | 2016-08-17 | 2017-01-11 | 中国地质大学(武汉) | 基于局部曲率熵和四叉树结构的三维地形曲面优化方法 |
CN106778347A (zh) * | 2016-12-22 | 2017-05-31 | 南京师范大学 | 一种基于三角函数的矢栅地理数据可逆脱密方法 |
CN107944287A (zh) * | 2017-12-05 | 2018-04-20 | 南京师范大学 | 一种dem几何精度脱密与恢复方法 |
CN109143297A (zh) * | 2018-09-12 | 2019-01-04 | 东南大学 | 一种兼容似大地水准面模型的实时网络rtk定位方法 |
Non-Patent Citations (3)
Title |
---|
GPS高程拟合精度的研究;奉光泽;《测绘》;20081231(第06期);全文 * |
Technical Methodology for ASTER Global DEM;Hiroyuki Fujisada等;《IEEE》;20130319;全文 * |
应用赤池信息量准则优选多项式高程拟合模型;徐磊等;《合肥工业大学学报(自然科学版)》;20180831(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111161123A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2011362799B2 (en) | 3D streets | |
Ohbuchi et al. | A frequency‐domain approach to watermarking 3D shapes | |
Johnson‐Roberson et al. | Generation and visualization of large‐scale three‐dimensional reconstructions from underwater robotic surveys | |
Forberg | Generalization of 3D building data based on a scale-space approach | |
JP2005308553A (ja) | 三次元画像計測装置及び方法 | |
WO2001048683A1 (en) | Any aspect passive volumetric image processing method | |
US9147279B1 (en) | Systems and methods for merging textures | |
CN111161123B (zh) | 一种针对三维实景数据的脱密方法及装置 | |
US20160180586A1 (en) | System and method for data compression and grid regeneration | |
Pagani et al. | Dense 3D Point Cloud Generation from Multiple High-resolution Spherical Images. | |
CN107154070B (zh) | 矢量要素与数字地面模型叠加方法及装置 | |
Vybornova et al. | A new watermarking method for vector map data | |
Moorfield et al. | Bilateral filtering of 3D point clouds for refined 3D roadside reconstructions | |
Wang et al. | A new upsampling method for mobile lidar data | |
Wang et al. | Reversible data hiding for point-sampled geometry. | |
CN116385619B (zh) | 对象模型渲染方法、装置、计算机设备和存储介质 | |
Brédif | Image-based rendering of lod1 3d city models for traffic-augmented immersive street-view navigation | |
Deng et al. | Automatic true orthophoto generation based on three-dimensional building model using multiview urban aerial images | |
KR20060127519A (ko) | 이미지 기반의 공간 정보 구축 방법 및 시스템 | |
Chen et al. | Occlusion‐Compensated True Orthorectification For High‐Resolution Satellite Images | |
CN114219958A (zh) | 一种多视角遥感影像的分类方法、装置、设备和存储介质 | |
CN113282695A (zh) | 一种基于遥感影像的矢量地理信息采集方法和装置 | |
Habib et al. | Integration of lidar and airborne imagery for realistic visualization of 3d urban environments | |
Croitoru et al. | Single and stereo based 3-D metrology from highresolution imagery: methodologies and accuracies | |
Wu et al. | An accurate novel circular hole inspection method for sheet metal parts using edge-guided robust multi-view stereo |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |