矢量地圖無損水印

  • [107][108]
    基于差值擴張琼掠,通過修改相鄰地圖頂點之間的距離值嵌入水印數(shù)據(jù)拒垃。缺點在于水印嵌入過程沒有考慮形狀特征。
  • [109][110-112]
    保持矢量地圖特征點相對位置的前提下瓷蛙,根據(jù)密鑰對特征點位置進行非線性置亂悼瓮,并在置亂后的特征點種嵌入水印數(shù)據(jù)。
  • 113 114
    提出將文字按照字符編碼方式直接轉(zhuǎn)化為二進制的水印數(shù)據(jù)生成方法艰猬,研究了水印嵌入與提取種坐標映射機制和映射函數(shù)構(gòu)造原則.114利用長函數(shù)設計了可抵抗幾何變換的矢量地圖特征常函數(shù)
  • 115
    根據(jù)頂點之間的空間關(guān)系不受常用地圖操作影響横堡。利用特征點提取算法將其分為特征點和非特征點,計算每個非特征點與相鄰前后特征點所構(gòu)成夾角冠桃。利用夾角來映射水印比特位命贴。
  • 116
    基于BP神經(jīng)網(wǎng)絡的二維無損水印算法。版權(quán)信息首先被轉(zhuǎn)換為二進制序列食听,然后調(diào)整神經(jīng)元的權(quán)重值進行水印嵌入胸蛛。水印提取階段,利用訓練后的神經(jīng)網(wǎng)絡樱报,通過輸入獲取的神經(jīng)元系數(shù)進行水印提取葬项。
  • 117 118
    改進了量化調(diào)試和差值擴張,大幅度提高了水印的嵌入容量
  • 120
    抗投影變換迹蛤,嵌入前首先提取并保存特征點和屬性信息民珍,嵌入采用坐標映射和量化機制襟士。檢測時將數(shù)據(jù)與原始特征點進行屬性信息匹配,匹配成功的同名點采用二元三次多項式進行最小二乘法擬合嚷量,根據(jù)擬合的多項式系數(shù)對待檢測數(shù)據(jù)進行投影變換陋桂,算法有效抵抗地圖投影變換。

2津肛、矢量地圖無損水印算法評價

攻擊類型分類

  • 幾何攻擊
    平移章喉、旋轉(zhuǎn)及縮放
  • 非幾何攻擊
    數(shù)據(jù)壓縮、地圖裁剪身坐、拼接秸脱、地圖增刪點、解釋攻擊部蛇、投影變換摊唇、坐標系中轉(zhuǎn)換。

水印算法有效載荷評價

版權(quán)信息長度/水印數(shù)據(jù)長度

無損性評價

可以使用頂點坐標差來計算水印的無損性涯鲁。(Er)

不可感知性

通常采用最大誤差(Max.Er)與均方根誤差(RMSE)進行誤差的評價巷查。

穩(wěn)健性評價

歸一化相關(guān)系數(shù)(NC)、誤碼率(BER)兩個指標進行量化

3抹腿、基于糾錯編碼的矢量地圖無損水印算法

3.1水印數(shù)據(jù)糾錯

通過將糾錯碼和原始水印信息一起嵌入到數(shù)據(jù)中的方式來保證原始水印信息的正確性岛请。

3.2 特征頂點提取和頂點分組

特征頂點提取依舊道格拉斯
利用分組倆解決地圖裁剪、分幅的操作警绩。
計算每個非特征頂點到所有特征頂點的距離(計算的距離只采用整數(shù)部分)崇败,選擇距離最小的建立映射關(guān)系。這樣就形成了特征頂點個數(shù)個分組肩祥。

以一個分組為單位進行水印的嵌入后室,計算非特征點與特征點之間的距離,利用整數(shù)距離hash計算水印的x位混狠,利用各個位的和計算y位獲得水印位岸霹。得到水印位后在固定的小數(shù)位后進行水印的嵌入,檢測也在相應的小數(shù)位中進行水印的檢測将饺。

4贡避、基于壓縮編碼的矢量地圖高載荷無損水印算法

4.1數(shù)據(jù)壓縮編碼方法

可以通過將圖像分成2*2的形式進行霍夫曼編碼壓縮。

4.3基于霍夫曼編碼的矢量地圖高載荷無損水印算法

對水印圖像壓縮之后進行水印的嵌入俯逾,為了提高水印的嵌入容量贸桶,上述的算法也可以進行優(yōu)化。

  • 優(yōu)化部分:
    在每個頂點組內(nèi)桌肴,建立一個虛擬中心點皇筛,中心點的坐標是四舍五入的結(jié)果。

4.4 基于頂點坐標進制轉(zhuǎn)換的矢量地圖高載荷無損水印算法

大部分與上述算法無異坠七,只是將基于霍夫曼編碼的16個不同的值設置成了16進制的一位數(shù)水醋,之后在嵌入水印的時候旗笔,也將距離的值設置為十六進制,進行水印的嵌入拄踪。

5 基于QR碼的矢量地圖高載荷無損水印算法

分析QR碼的分布規(guī)則蝇恶,剔除其中不含有編碼數(shù)據(jù)的像元,縮短編碼的長度惶桐,

5.3基于參考點的水印嵌入與提取方法

計算所有特征點的平均值作為同心圓的圓心進行分組撮弧,計算的時候為了保證參考點的正確可以只取整數(shù)部分進行計算
一個分組中水印的嵌入也是采用極坐標進行嵌入,本論文的算法依舊是修改ρ的小數(shù)位進行水印位的嵌入姚糊,有待商榷贿衍。

6 矢量地圖多級水印算法

當前的矢量地圖多級水印算法分為兩類:靜態(tài)多級水印和動態(tài)多級水印

6.2基于頂點分組的矢量地圖多級水印算法

頂點的劃分方法:度(與該頂點相鄰的頂點總數(shù)目)
1)對度為0或1的頂點,劃分到編號為10的頂點組中
2)對度為2的頂點救恨,根據(jù)相鄰頂點間距離的比值來確定對應的分組
3)對度大于2的頂點贸辈,將其劃分為編號為10的定點組內(nèi)。

確定了分組之后肠槽,就可以對每一級的頂點進行虛擬頂點的計算擎淤,從而計算每一級中頂點坐標的水印的嵌入。

6.3基于版權(quán)信息合并的矢量地圖多級水印算法

用QR碼作為容納各種版權(quán)信息的容器秸仙,用來存儲各種版權(quán)信息嘴拢。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市寂纪,隨后出現(xiàn)的幾起案子炊汤,更是在濱河造成了極大的恐慌,老刑警劉巖弊攘,帶你破解...
    沈念sama閱讀 219,539評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異姑曙,居然都是意外死亡襟交,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,594評論 3 396
  • 文/潘曉璐 我一進店門伤靠,熙熙樓的掌柜王于貴愁眉苦臉地迎上來捣域,“玉大人,你說我怎么就攤上這事宴合』烂罚” “怎么了?”我有些...
    開封第一講書人閱讀 165,871評論 0 356
  • 文/不壞的土叔 我叫張陵卦洽,是天一觀的道長贞言。 經(jīng)常有香客問我,道長阀蒂,這世上最難降的妖魔是什么该窗? 我笑而不...
    開封第一講書人閱讀 58,963評論 1 295
  • 正文 為了忘掉前任弟蚀,我火速辦了婚禮,結(jié)果婚禮上酗失,老公的妹妹穿的比我還像新娘义钉。我一直安慰自己,他們只是感情好规肴,可當我...
    茶點故事閱讀 67,984評論 6 393
  • 文/花漫 我一把揭開白布捶闸。 她就那樣靜靜地躺著,像睡著了一般拖刃。 火紅的嫁衣襯著肌膚如雪删壮。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,763評論 1 307
  • 那天序调,我揣著相機與錄音醉锅,去河邊找鬼。 笑死发绢,一個胖子當著我的面吹牛硬耍,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播边酒,決...
    沈念sama閱讀 40,468評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼经柴,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了墩朦?” 一聲冷哼從身側(cè)響起坯认,我...
    開封第一講書人閱讀 39,357評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎氓涣,沒想到半個月后牛哺,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,850評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡劳吠,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,002評論 3 338
  • 正文 我和宋清朗相戀三年引润,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片痒玩。...
    茶點故事閱讀 40,144評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡淳附,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出蠢古,到底是詐尸還是另有隱情奴曙,我是刑警寧澤,帶...
    沈念sama閱讀 35,823評論 5 346
  • 正文 年R本政府宣布草讶,位于F島的核電站洽糟,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,483評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望爸舒。 院中可真熱鬧,春花似錦沉御、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,026評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至烂完,卻和暖如春试疙,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背抠蚣。 一陣腳步聲響...
    開封第一講書人閱讀 33,150評論 1 272
  • 我被黑心中介騙來泰國打工祝旷, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人嘶窄。 一個月前我還...
    沈念sama閱讀 48,415評論 3 373
  • 正文 我出身青樓怀跛,卻偏偏與公主長得像,于是被迫代替她去往敵國和親柄冲。 傳聞我的和親對象是個殘疾皇子吻谋,可洞房花燭夜當晚...
    茶點故事閱讀 45,092評論 2 355