顾及曲线形状的矢量地图数据水印模型

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (1): 74-77.

顾及曲线形状的矢量地图数据水印模型

吴柏燕1，李朝奎1，王伟2

1.湖南科技大学地理空间信息湖南省工程实验室，湖南湘潭 411201
2.武汉大学测绘遥感信息工程国家重点实验室，武汉 430079

出版日期:2014-01-01 发布日期:2013-12-30

Vector map data watermarking model controlling curve shape distortion

WU Baiyan1, LI Chaokui1, WANG Wei2

1.Hunan Province Laboratory of Geospatial Information Engineering, Hunan University of Science and Technology, Xiangtan, Hunan 411201, China
2.State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China

Online:2014-01-01 Published:2013-12-30

摘要/Abstract

摘要： 提出一种矢量地图数据水印模型，利用量化索引调制（QIM）思想，基于变长量化步长，将水印信息隐藏于有效表征曲线形状的特征集合中，在保障算法鲁棒性的前提下，很好地顾及了曲线的形状变形。同时，通过数据哈希分组及水印重复嵌入的方式，将水印信息散布到整个数据集。实验结果表明，该算法在水印的不可见性方面有明显改进，并且在抵抗节点攻击、数据化简及地物删除等很具威胁性的水印攻击方面也具有令人满意的鲁棒性。

关键词: 矢量地图数据, 数字水印, 曲线形状, 量化索引调制（QIM）, 保真度, 鲁棒性

Abstract: This paper hides the watermark information into the curve shape characteristic set using Quantized Index Modulation（QIM） based on variable quantization step.At the same time，the watermark bits scatter across the whole dataset by Hash mapping and bits repeated insertion.Results show that the curve shape distortions have been well controlled，and robustness to the threatening watermark attacks，such as vertex attack，data simplification，and feature deletion and so on，has been proved.

Key words: vector map data, digital watermarking, curve shape, Quantized Index Modulation（QIM）, fidelity, robustness

吴柏燕1，李朝奎1，王伟2. 顾及曲线形状的矢量地图数据水印模型[J]. 计算机工程与应用, 2014, 50(1): 74-77.

WU Baiyan1, LI Chaokui1, WANG Wei2. Vector map data watermarking model controlling curve shape distortion[J]. Computer Engineering and Applications, 2014, 50(1): 74-77.

[1]	白祉旭，王衡军，郭可翔. 基于深度神经网络的对抗样本技术综述[J]. 计算机工程与应用, 2021, 57(23): 61-70.
[2]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[3]	黄晓琪，王莉，李钢. 融合胶囊网络的文本-图像生成对抗模型[J]. 计算机工程与应用, 2021, 57(14): 176-180.
[4]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[5]	范纯龙，何宇峰，王翼新. 大权值抑制策略用于训练卷积神经网络[J]. 计算机工程与应用, 2020, 56(2): 115-119.
[6]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[7]	李云，马英红. 基于属性约简集评价节点重要性研究[J]. 计算机工程与应用, 2019, 55(5): 149-158.
[8]	何丽，刘颖，韩克平. 噪声标注下的改进TSVM学习算法[J]. 计算机工程与应用, 2019, 55(17): 44-50.
[9]	蒋云彪，郭晨，于浩淼. 自主水下航行器的鲁棒自适应姿态控制算法[J]. 计算机工程与应用, 2019, 55(17): 266-270.
[10]	李国和1，2，陈晨1，2，吴卫江1，2，郑艺峰1，2，洪云峰3，周晓明3. 面向二维码的数字水印置入与提取方法[J]. 计算机工程与应用, 2019, 55(10): 103-107.
[11]	余景丽，胡恩良，张涛. 一种新的L1度量Fisher线性判别分析研究[J]. 计算机工程与应用, 2018, 54(4): 128-134.
[12]	郑浩，董明利，潘志康. 基于图像分类与多算法协作的目标跟踪算法[J]. 计算机工程与应用, 2018, 54(4): 185-191.
[13]	魏煜，嵩天. 无线传感器网络中的数据传输精简算法[J]. 计算机工程与应用, 2018, 54(3): 100-108.
[14]	罗煜1，周星1，龙宇1，匡汉宝1，Thomas Dreibholz2，谭毓银1. IPv6+MPTCP技术对上层应用支撑的验证[J]. 计算机工程与应用, 2018, 54(24): 79-86.
[15]	王蓉，惠小静，井美. 基于平均逻辑相似度的α-反向三I算法的鲁棒性[J]. 计算机工程与应用, 2018, 54(15): 34-37.