專利名稱：一種基于對(duì)象屬性特征的矢量地圖水印方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是關(guān)于地圖學(xué)及地理信息科學(xué)的信息處理方法，特別是一種 矢量地圖水印方法。
(二)
背景技術(shù)：
矢量數(shù)字地圖是一種重要的有價(jià)值的信息資源，是地理信息系統(tǒng)、智能交 通系統(tǒng)、Web地圖服務(wù)等技術(shù)的核心組成部分。近年來(lái)，矢量地理空間數(shù)據(jù)在 資源管理與配置，生態(tài)環(huán)境，商業(yè)及軍事等領(lǐng)域得到廣泛應(yīng)用。由于矢量數(shù)字 地圖具有易于復(fù)制和傳播特性，導(dǎo)致地圖在分發(fā)和使用過(guò)程中存在著侵權(quán)、篡
改等數(shù)據(jù)安全問(wèn)題，特別是在軍事及國(guó)防領(lǐng)域，其危害性閂益嚴(yán)重。
數(shù)字水印技術(shù)是一種公認(rèn)的能夠?qū)崿F(xiàn)數(shù)字產(chǎn)品版權(quán)保護(hù)及侵權(quán)鑒別的信息 手段。數(shù)字水印技術(shù)的基本思想是通過(guò)在載體數(shù)據(jù)中嵌入水印編碼信息，將水 印隱藏于載體數(shù)據(jù)中，為承載水印標(biāo)識(shí)的數(shù)字產(chǎn)品提高版權(quán)認(rèn)定和內(nèi)容完整性 保護(hù)等服務(wù)。近年來(lái)，數(shù)字水印技術(shù)已在圖像、視頻，音頻以及文本數(shù)據(jù)領(lǐng)域 取得了相當(dāng)多的研究成果。
對(duì)于矢量地圖的數(shù)字水印技術(shù)的研究正逐步趨向成熟。目前，矢量地圖數(shù)
字水印算法主要包括兩類即空間域和頻率域。空間域算法主要是采取在一定
允許范圍內(nèi)移動(dòng)矢量對(duì)象坐標(biāo)來(lái)嵌入水印，算法實(shí)現(xiàn)簡(jiǎn)單，但魯棒性較差，對(duì)
地圖精度影響較大，無(wú)法抵抗矢量數(shù)據(jù)壓縮攻擊；頻率域算法通過(guò)離散余弦變 換、傅立葉變換或小波變換等數(shù)學(xué)方法獲得頻域系數(shù)，通過(guò)調(diào)整頻域系數(shù)來(lái)嵌 入水印，該類算法較復(fù)雜，對(duì)地圖精度有一定影響，仍無(wú)法抵抗矢量數(shù)據(jù)壓縮 攻擊。從實(shí)用性角度來(lái)看，目前的矢量地圖數(shù)字水印仍無(wú)法解決精度損失及抵 抗矢量數(shù)據(jù)壓縮攻擊，缺乏安全性和實(shí)用性。
(三)

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能保證矢量地圖精度無(wú)損，能有效抵抗矢量數(shù) 據(jù)壓縮攻擊，具有高魯棒性、高安全性以及實(shí)用性的基于對(duì)象屬性特征的矢量 地圖水印方法。
5本發(fā)明的目的是這樣實(shí)現(xiàn)的 包括水印的嵌入和提取，其步驟包括-
1、 一種基于對(duì)象屬性特征的矢量地圖水印方法，包括水印的嵌入和提取，
其特征是其步驟包括
(1) 通過(guò)用戶輸入生成待嵌入的水印編碼，并根據(jù)水印容量定義由矢量對(duì)
象組成的水印嵌入目標(biāo)集合的規(guī)模；
(2) 對(duì)于待嵌入水印的矢量地圖，利用改進(jìn)的網(wǎng)格密度空間聚類分析方法 生成水印嵌入目標(biāo)集合，主要包括聚類空間簡(jiǎn)化、聚類分析初始化、生成初始目 標(biāo)集合及確定水印嵌入目標(biāo)集合；
(3) 在矢量地圖的屬性文件中查找嵌入目標(biāo)集合內(nèi)矢量對(duì)象對(duì)應(yīng)的屬性特 征信息；
(4) 根據(jù)步驟(1)中生成的水印信息，隨機(jī)選取歩驟(2)生成的水印嵌 入目標(biāo)集合內(nèi)的矢量元素，向元素對(duì)應(yīng)的屬性坐標(biāo)信息中嵌入水印編碼；
(5) 將嵌入了水印信息的矢量對(duì)象所組成的向量序列進(jìn)行置亂，并將迭代 次數(shù)存儲(chǔ)為密鑰；
(6) 讀取矢量地圖屬性文件，利用水印檢測(cè)程序提取水印信息，根據(jù)水印 相似度判斷地圖載體的水印存在狀況。
本發(fā)明還可以包括
1、步驟(2)中，所述的改進(jìn)的網(wǎng)格密度空間聚類分析方法使用的網(wǎng)格密度 空間聚類分析方法的改進(jìn)方法包括
A聚類分析初始化首先設(shè)定網(wǎng)格步長(zhǎng)及屬性密度閾值；在沒有用戶推薦 的情況下，拓?fù)淇臻g的平均屬性密度閾值可以作為評(píng)價(jià)標(biāo)準(zhǔn) Dm;g = (w + / + c)/3x(iV/M;)
式中，Dm;g為平均屬性密度，w,/，c分別代表孤立結(jié)點(diǎn)，線結(jié)點(diǎn)和區(qū)域結(jié) 點(diǎn)的屬性熵值，W為聚類空間規(guī)模，M為網(wǎng)格數(shù)。傳統(tǒng)的密度閾值僅以網(wǎng)格內(nèi) 結(jié)點(diǎn)分布情況來(lái)考査集簇的密集性，文發(fā)明提出的屬性密度閾值結(jié)合結(jié)點(diǎn)屬性 特征(屬性熵值)，來(lái)表示結(jié)點(diǎn)的密度權(quán)重。孤立結(jié)點(diǎn)的屬性熵值最大，線結(jié)點(diǎn) 中端點(diǎn)的熵值要大于其它結(jié)點(diǎn)，而區(qū)域結(jié)點(diǎn)的熵值則均等。
B生成初始目標(biāo)集合通過(guò)聚類分析方法可獲得數(shù)目不等的集簇，選取密 度差異值最小的結(jié)點(diǎn)為密度中心，密度差異值的定義為式中Mm;g為密度差異，D,為某集簇的第/個(gè)結(jié)點(diǎn)，4為結(jié)點(diǎn)的屬性熵值， D"vg為平均屬性密度，尺為該集簇的結(jié)點(diǎn)數(shù)目，S表示網(wǎng)格步長(zhǎng)。每個(gè)集簇只 有一個(gè)密度中心。根據(jù)各結(jié)點(diǎn)到密度中心的相對(duì)距離，從每個(gè)集簇中選擇一定 數(shù)量的距離密度中心較近的結(jié)點(diǎn)做為初始目標(biāo)集合的元素。按照距離度量方式， 計(jì)算集簇內(nèi)每個(gè)結(jié)點(diǎn)到密度中心的距離
式中x為考察結(jié)點(diǎn)，C為密度中心，^為考察結(jié)點(diǎn)的屬性熵值。 LfetoM"(x，C)為評(píng)價(jià)標(biāo)準(zhǔn)，距離密度中心越小表明該結(jié)點(diǎn)被選定概率越大。 C確定水印嵌入目標(biāo)集合，根據(jù)D"towce(x,C)值，不斷剔除初始目標(biāo)集合中
的結(jié)點(diǎn)并不斷重新計(jì)算集合的密度中心，當(dāng)集合的元素個(gè)數(shù)等于水印編碼長(zhǎng)度/ 時(shí)，則算法終止，如圖l (d)所示。通過(guò)本發(fā)明中改進(jìn)的網(wǎng)格密度空間聚類分析 方法獲得的水印嵌入目標(biāo)集合內(nèi)各矢量元素均具有較高的不可去除性，同未選取 結(jié)點(diǎn)相比，集合內(nèi)元素對(duì)矢量地圖的內(nèi)容完整和正常使用提供更大比重的支持。
2、 步驟(3)中，矢量對(duì)象包括孤立結(jié)點(diǎn)，線結(jié)點(diǎn)以及區(qū)域結(jié)點(diǎn)三類。屬性 文件由大小為512或1024字節(jié)的數(shù)據(jù)塊組成，各種數(shù)據(jù)塊完整地描述了矢量對(duì)象 的名稱、類型、位置以及索引等信息。
3、 步驟(4)中，對(duì)于嵌入目標(biāo)集合內(nèi)的矢量對(duì)象，以坐標(biāo)形式表示該對(duì)象 為(x,.,;O，約定0,.,y,)至多復(fù)合4比特編碼，^表示水印編碼類型，艮卩
或[1];
少,表示相應(yīng)編碼類型的嵌入數(shù)量；以算符"。"表示編碼的連接操作，若jc, =x, 。0 ， 貝1^,=^。"0廣.0/;若x, =x,。00，貝Uj嚴(yán)另。"l,…l/;其中，A為X嵌入:c,所定義比 特編碼類型的數(shù)量(A《4)。嵌入方式為
任取一矢量元素K，在矢量地圖的屬性文件信息中，根據(jù)矢量元素K的ID
號(hào)獲得對(duì)應(yīng)的屬性特征。
a按水印編碼順序，獲得連續(xù)的比特值相同的水印編碼H立。 b令K的x,坐標(biāo)表示比特類型，即嵌入的是水印編碼為
或[1]; y,表示相 應(yīng)比特類型嵌入數(shù)量。v,的位置特征(x,，x)只嵌入連續(xù)的同一類型的編碼，且 至多復(fù)合4比特，若取得的^>4,則另從目標(biāo)集合中任取一矢量元素v,+,，嵌
7入余下的s-4位水印信息。
C以符號(hào)"。"表示編碼的連接復(fù)合操作，若、=、。0，則少,^少,。"0,…(V';
若x,二x,。00，則^^。"V"V'。其中，f為y,嵌入Jc所約定類型的編碼數(shù)量 (r")。
d將所有嵌入水印信息的矢量對(duì)象組成向量r ， r = [Vl，v2，...，v f ，將向量r 經(jīng)過(guò)Arnold置亂，且迭代次數(shù)A:同生成水印信息的迭代次數(shù)。 ,=A"oW(r, A:)。將& A作為密鑰，傳遞給水印檢測(cè)及認(rèn)證機(jī)構(gòu)。
4、 步驟(5)中，嵌入水印信息的對(duì)象序列為向量7V。 為保 證水印安全性，對(duì)7V。進(jìn)行Arnold置亂7V'=爿moW(7V。,A:)，式中iV'為置亂后輸 出編碼，/fc為迭代次數(shù)，作為水印檢測(cè)密鑰保存。
5、 步驟(6)中，由密鑰&及字符串7V'，重新生成向量 ，根據(jù)7V。所保 存的對(duì)象ID序列，在屬性空間中可檢測(cè)到水印編碼^;當(dāng)攜帶水印編碼的地 圖遭受攻擊后， 一些結(jié)點(diǎn)可能被去除，水印編碼會(huì)出現(xiàn)不一致情況，提出水印 相似度計(jì)算方法進(jìn)行版權(quán)判定；
『,)=t < W ， R > / 7V
『為原始水印，『,為檢測(cè)出的水印。W為水印容量，當(dāng)對(duì)應(yīng)位置數(shù)值相同
時(shí)，<^,)^>=1;若K,為空或數(shù)值不同，<^，^>=0。
本發(fā)明基于矢量對(duì)象屬性特征矢量地圖無(wú)損水印方法結(jié)合矢量地圖自身兩
大關(guān)鍵特性高精度要求及復(fù)雜矢量數(shù)據(jù)壓縮，使水印方法在保證高魯棒性及 安全性的前提下，具有以下優(yōu)點(diǎn)
1. 利用對(duì)象位置屬性信息，對(duì)坐標(biāo)值進(jìn)行編碼連接復(fù)合保證了水印嵌入過(guò) 程對(duì)地圖精度零損傷；
2. 用屬性文件作為嵌入載體，使得方法對(duì)地像的幾何變換等多種攻擊 方式具有較高的抵抗能力；
3. 采用改進(jìn)的網(wǎng)格密度空間聚類分析方法尋找矢量對(duì)象嵌入目標(biāo)，提高了 水印抵抗復(fù)雜的矢量數(shù)據(jù)壓縮攻擊的能力；
4. 水印編碼長(zhǎng)度決定水印嵌入目標(biāo)群規(guī)模，使得嵌入強(qiáng)度可根據(jù)水印容量
8進(jìn)行自適應(yīng)調(diào)整。
(四)


圖l(a)-圖l(e)為生成嵌入目標(biāo)群的示意圖2為基于對(duì)象屬性特征的矢量地圖水印方法流程圖3為水印生成程序界面；
圖4為水印嵌入程序界面；
圖5為水印提取和檢測(cè)程序界面；
圖6(a)-圖6(h)為8種幾何剪切攻擊模式的示意圖。
具體實(shí)施方式
下面結(jié)合附圖舉例對(duì)本發(fā)明做更詳細(xì)地描述
如圖1所示，本發(fā)明的基于對(duì)象屬性特征的矢量地圖水印方法,以MapX在 VC.NET環(huán)境的矢量地圖為例，主要包括兩個(gè)方面1.水印標(biāo)識(shí)嵌入和提取方 法；2.、水印提取和檢測(cè)算法與處理方法。
1.水印標(biāo)識(shí)嵌入和提取方法
(1) 由用戶自定義生成水印編碼 利用本發(fā)明的水印生成界面，如圖3所示，可根據(jù)用戶署名信息、日期、
任選灰度圖象轉(zhuǎn)換成二值序列以及個(gè)性化信息形成二進(jìn)制編碼，對(duì)編碼進(jìn)行
Arnold置亂，并將迭代次數(shù)A作為密鑰保留。根據(jù)水印編碼的長(zhǎng)度確定水印嵌
入目標(biāo)集合的規(guī)模。巳知一個(gè)對(duì)象至少能夠嵌入一比特水印編碼，所以對(duì)于容
量為/的水印編碼，至多需要/個(gè)矢量對(duì)象，為了保證目標(biāo)集合的最優(yōu)性，初始
目標(biāo)集合的規(guī)模為"，">/。
(2) 利用改進(jìn)的網(wǎng)格密度空間聚類分析方法確定嵌入目標(biāo)集合 a聚類空間簡(jiǎn)化矢量地圖約包含14類圖層，去掉各種圖形圖像形式的渲
染圖層，將矢量地圖簡(jiǎn)化為單一的拓?fù)潢P(guān)系，可以獲得更可靠的聚類結(jié)果。在 聚類分析前，本文發(fā)明首先將所有附屬的圖層全部過(guò)濾掉，只保留點(diǎn)與線之間 的單一關(guān)系，如圖1 (a)所示。
b聚類分析初始化本文發(fā)明首先設(shè)定網(wǎng)格步長(zhǎng)及屬性密度閾值；在沒有 用戶推薦的情況下，拓?fù)淇臻g的平均屬性密度閾值可以作為評(píng)價(jià)標(biāo)準(zhǔn) Davg = (" + / + c)/3x(iV/M)
式中，Dm;g為平均屬性密度，",/，c分別代表孤立結(jié)點(diǎn)，線結(jié)點(diǎn)和區(qū)域結(jié)
9點(diǎn)的屬性熵值，W為聚類空間規(guī)模，M為網(wǎng)格數(shù)。傳統(tǒng)的密度閾值僅以網(wǎng)格內(nèi) 結(jié)點(diǎn)分布情況來(lái)考査集簇的密集性，本文發(fā)明提出的屬性密度閾值結(jié)合結(jié)點(diǎn)屬 性特征(屬性熵值)，來(lái)表示結(jié)點(diǎn)的密度權(quán)重。孤立結(jié)點(diǎn)的屬性熵值最大，線結(jié) 點(diǎn)中端點(diǎn)的熵值要大于其它結(jié)點(diǎn)，而區(qū)域結(jié)點(diǎn)的熵值則均等。
c生成初始目標(biāo)集合通過(guò)本文發(fā)明的聚類分析方法可獲得數(shù)目不等的集 簇，如圖1 (b)所示，選取密度差異值最小的結(jié)點(diǎn)為密度中心，如圖1 (c)所 示，密度差異值的定義為-
產(chǎn)i
式中7kfavg為密度差異，D,為某集簇的第Z個(gè)結(jié)點(diǎn)，4為結(jié)點(diǎn)的屬性熵值， "aw為平均屬性密度，《為該集簇的結(jié)點(diǎn)數(shù)目，S表示網(wǎng)格步長(zhǎng)。每個(gè)集簇只 有一個(gè)密度中心。根據(jù)各結(jié)點(diǎn)到密度中心的相對(duì)距離，從每個(gè)集簇中選擇一定 數(shù)量的距離密度中心較近的結(jié)點(diǎn)做為初始目標(biāo)集合的元素。按照距離度量方式，
計(jì)算集簇內(nèi)每個(gè)結(jié)點(diǎn)到密度中心的距離
式中Jc為考察結(jié)點(diǎn)，C為密度中心，4為考察結(jié)點(diǎn)的屬性熵值。 D/W朋ce(x，C)為評(píng)價(jià)標(biāo)準(zhǔn)，距離密度中心越小表明該結(jié)點(diǎn)被選定概率越大。 d確定水印嵌入目標(biāo)集合如圖l (d)所示，根據(jù)DWcmce(x,C)值，不斷
剔除初始目標(biāo)集合中的結(jié)點(diǎn)并不斷重新計(jì)算集合的密度中心，當(dāng)集合的元素個(gè) 數(shù)等于水印編碼長(zhǎng)度/時(shí)，則算法終止，如圖1 (d)所示。通過(guò)本發(fā)明中改進(jìn) 的網(wǎng)格密度空間聚類分析方法獲得的水印嵌入目標(biāo)集合內(nèi)各矢量元素均具有較 高的不可去除性，同未選取結(jié)點(diǎn)相比，集合內(nèi)元素對(duì)矢量地圖的內(nèi)容完整和正 常使用提供更大比重的支持。
(3)對(duì)于步驟(2)的水印嵌入目標(biāo)集合，任取一矢量元素K，在矢量地
圖的屬性文件信息中，根據(jù)矢量元素^的ID號(hào)獲得對(duì)應(yīng)的屬性特征，通過(guò)對(duì)其
位置屬性坐標(biāo)(w,)進(jìn)行坐標(biāo)值o比特連接的方式步驟(i)中生成的水印信息。
a按水印編碼順序，獲得連續(xù)的比特值相同的水印編碼H立。
b令^的A坐標(biāo)表示比特類型，即嵌入的是水印編碼為
或[1]; y,表示相
應(yīng)比特類型嵌入數(shù)量。v,的位置特征(x,，j;,.)只嵌入連續(xù)的同一類型的編碼，且至多復(fù)合4比特，若取得的^>4，則另從目標(biāo)集合中任取一矢量元素v,+,，嵌 入余下的s-4位水印信息。
C以符號(hào)"。"表示編碼的連接復(fù)合操作，若、=1,。0，貝lJy,-X。"0,…(V';
若x,-;c,。00，貝l』x-x。'V"V'。其中，f為少,嵌入JC戶/f約定類型的編碼數(shù)量 ("4)。
d將所有嵌入水印信息的矢量對(duì)象組成向量F，卩=[^^2,...^ ]7'，將向量廠 經(jīng)過(guò)Arnold置亂，且迭代次數(shù)A同生成水印信息的迭代次數(shù)。 ,=^720W(F,A:)。將Z&A作為密鑰，傳遞給水印檢測(cè)及認(rèn)證機(jī)構(gòu)。
如圖3所示，利用該水印嵌入界面直接完成水印嵌入矢量地圖屬性信息的 過(guò)程。
2.水印提取和檢測(cè)算法與處理方法
(4)如圖5所示，利用水印提取和檢測(cè)單元可對(duì)含有水印信息的矢量地圖
進(jìn)行水印存在性檢測(cè)及水印內(nèi)容提取，對(duì)于被攻擊及經(jīng)過(guò)變換的地圖，還可以
通過(guò)計(jì)算機(jī)水印相似度，進(jìn)行相似度檢測(cè)，其具體包括以下步驟
a分解信息,& A:，計(jì)算= ^moW(f， r - A) = K ，順序讀取矢量對(duì)象v,,
根據(jù)水印嵌入時(shí)比特位的復(fù)合規(guī)則，將從每個(gè)矢量對(duì)象讀取到的水印編碼依次 連接起來(lái)。
b對(duì)獲得的水印編碼，應(yīng)用Arnold置亂，迭代次數(shù)為迭代周期r-A:。得 到檢測(cè)水印R。
c當(dāng)攜帶水印信息的地圖遭受攻擊或變換后， 一些矢量對(duì)象可能被去除， 水印信息會(huì)出現(xiàn)不一致情況，因此，首先應(yīng)計(jì)算水印的相似度
1=1 '
式中『為原始水印，^為檢測(cè)出的水印。iV為水印容量，當(dāng)對(duì)應(yīng)位置數(shù)值 相同時(shí)，<^,^>=1;若^,為空，或數(shù)值不同，貝1』<^,^,>=0。由檢出水印
同原水印的相似程度，做版權(quán)的最終判定依據(jù)。
為了驗(yàn)證本發(fā)明的可靠性，特別利用本發(fā)明提供的矢量地圖水印算法進(jìn)行 了以下各種實(shí)驗(yàn)。利用自行開發(fā)的基于MapX插件形式的VC.NET矢量地圖編 輯程序，設(shè)定用戶信息為"HARBINGONGCHENGDAXUE"，即"哈爾濱工程大學(xué)"的漢語(yǔ)拼音，日期選擇為"20081010 "，個(gè)性化信息為 "SHUIYINSUANFACESHI"，同時(shí)選定一幅8x8的灰度圖象作為綜合綜合水 印，構(gòu)成3085位編碼長(zhǎng)度的水印標(biāo)識(shí)。
魯棒性分析將典型的空域水印算法以及DFT水印算法分別予以實(shí)現(xiàn)，在 保證相同的嵌入率的情況下，同本發(fā)明的水印方法一起進(jìn)行測(cè)試數(shù)據(jù)壓縮攻 擊，采用經(jīng)典的道格拉斯-普克壓縮算法(DP算法)，壓縮比例選定為0.4;剪 切攻擊，八種方式如圖6所示；扭曲變形以及噪聲攻擊("=50)。評(píng)價(jià)指標(biāo)為 誤碼率，其定義為在水印的實(shí)現(xiàn)過(guò)程中,接收的信息發(fā)生錯(cuò)誤的概率，若為 P,(o<P<|)則正確接收的概率為l卞,即信息接收前后不相同的概率是A戶稱為
誤碼率.從實(shí)驗(yàn)結(jié)果中得到本發(fā)明的方法各項(xiàng)指標(biāo)都優(yōu)于空域和DFT頻域水 印算法。特別是數(shù)據(jù)壓縮攻擊，本發(fā)明方法的誤碼率約為空域算法的1/10，頻 域算法的1/8。
攻擊類型空域算法誤碼率 %DFT算法誤碼率 %本發(fā)明誤碼率/%
數(shù)據(jù)壓縮40%69.248.18.6
方式112.52.2U
方式214.25.41.7
方式322.87.24.5
方式4 剪切 方式525.1 42.68.2 12.46.1 10.6
方式644.618.812.5
方式779.329.818.3
方式881.234.317.1
變形扭曲47.834.60
噪聲(&=50)28.314.60
表1
安全性分析保證水印信息不被非法提取和檢測(cè)，關(guān)系到水印的實(shí)際應(yīng)用
效果，本方明的水印方法將所有嵌入水印信息的矢量結(jié)點(diǎn)ID序列添加到向量r
中，并將向量F轉(zhuǎn)化為二進(jìn)制字符串采用^720W置亂的方式進(jìn)行數(shù)據(jù)加密。
12對(duì)于編碼長(zhǎng)度為/的水印標(biāo)識(shí)，攻擊者在截獲到密鑰信息Z'的情況下，其 付出的攻擊代價(jià)為2W)^!x/！。而在正常情況下，我們只需迭代2(r-"次就可
以得到原始的水印信息，可以2^xA:!x/!》2(r-A:)，在這樣高昂的攻擊代價(jià)下， 本發(fā)明的水印方法的安全性得到了保證。
綜上所述，利用對(duì)矢量結(jié)點(diǎn)的位置屬性，坐標(biāo)值"0比特復(fù)合"的嵌入方 式達(dá)到了地圖精度無(wú)損的目標(biāo)；將屬性文件作水印標(biāo)識(shí)的載體，使本發(fā)明對(duì)幾 何變換等多種攻擊方式具有較高的抵抗能力；采用改進(jìn)的網(wǎng)格空間聚類分析方
法得到的矢量對(duì)象作為嵌入目標(biāo)，提高了抵抗矢量數(shù)據(jù)壓縮攻擊的能力；利用 相似度判定原則，在部分水印編碼丟失的情況下，仍能確證水印的有效性。
如圖1所示，本發(fā)明的基于對(duì)象屬性特征的矢量地圖水印方法,以MapX在 VC.NET環(huán)境的矢量地圖為例，主要包括兩個(gè)方面1.水印標(biāo)識(shí)嵌入和提取方 法；2.、水印提取和檢測(cè)算法與處理方法。
1.水印標(biāo)識(shí)嵌入和提取方法
(1) 由用戶自定義生成水印編碼
利用本發(fā)明的水印生成界面，如圖3所示，可根據(jù)用戶署名信息、日期、 任選灰度圖象轉(zhuǎn)換成二值序列以及個(gè)性化信息形成二進(jìn)制編碼，對(duì)編碼進(jìn)行 Arnold置亂，并將迭代次數(shù)A:作為密鑰保留。根據(jù)水印編碼的長(zhǎng)度確定水印嵌 入目標(biāo)集合的規(guī)模。已知一個(gè)對(duì)象至少能夠嵌入一比特水印編碼，所以對(duì)于容 量為/的水印編碼，至多需要/個(gè)矢量對(duì)象，為了保證目標(biāo)集合的最優(yōu)性，初始 目標(biāo)集合的規(guī)模為"^>/。
(2) 利用改進(jìn)的網(wǎng)格密度空間聚類分析方法確定嵌入目標(biāo)集合 a聚類空間簡(jiǎn)化矢量地圖約包含14類圖層，去掉各種圖形圖像形式的渲
染圖層，將矢量地圖簡(jiǎn)化為單一的拓?fù)潢P(guān)系，可以獲得更可靠的聚類結(jié)果。在 聚類分析前，本文發(fā)明首先將所有附屬的圖層全部過(guò)濾掉，只保留點(diǎn)與線之間 的單一關(guān)系，如圖1 (a)所示。
b聚類分析初始化本文發(fā)明首先設(shè)定網(wǎng)格步長(zhǎng)及屬性密度閾值；在沒有
用戶推薦的情況下，拓?fù)淇臻g的平均屬性密度閾值可以作為評(píng)價(jià)標(biāo)準(zhǔn) = (" + / + c) / 3 x (iV / AO
式中，D"vg為平均屬性密度，"，/，c分別代表孤立結(jié)點(diǎn)，線結(jié)點(diǎn)和區(qū)域結(jié)點(diǎn)的屬性熵值，iV為聚類空間規(guī)模，M為網(wǎng)格數(shù)。傳統(tǒng)的密度閾值僅以網(wǎng)格內(nèi) 結(jié)點(diǎn)分布情況來(lái)考查集簇的密集性，本文發(fā)明提出的屬性密度閾值結(jié)合結(jié)點(diǎn)屬 性特征(屬性熵值)，來(lái)表示結(jié)點(diǎn)的密度權(quán)重。孤立結(jié)點(diǎn)的屬性熵值最大，線結(jié) 點(diǎn)中端點(diǎn)的熵值要大于其它結(jié)點(diǎn)，而區(qū)域結(jié)點(diǎn)的熵值則均等。
C生成初始目標(biāo)集合通過(guò)本文發(fā)明的聚類分析方法可獲得數(shù)目不等的集 簇，如圖1 (b)所示，選取密度差異值最小的結(jié)點(diǎn)為密度中心，如圖1 (c)所 示，密度差異值的定義為
i
乂=1
式中似m^為密度差異，D,為某集簇的第/個(gè)結(jié)點(diǎn)，4為結(jié)點(diǎn)的屬性熵值， Dm;g為平均屬性密度，《為該集簇的結(jié)點(diǎn)數(shù)目，S表示網(wǎng)格步長(zhǎng)。每個(gè)集簇只 有一個(gè)密度中心。根據(jù)各結(jié)點(diǎn)到密度中心的相對(duì)距離，從每個(gè)集簇中選擇一定 數(shù)量的距離密度中心較近的結(jié)點(diǎn)做為初始目標(biāo)集合的元素。按照距離度量方式， 計(jì)算集簇內(nèi)每個(gè)結(jié)點(diǎn)到密度中心的距離
式中x為考察結(jié)點(diǎn)，C為密度中心，^為考察結(jié)點(diǎn)的屬性熵值。
DWcmce(x,C)為評(píng)價(jià)標(biāo)準(zhǔn)，距離密度中心越小表明該結(jié)點(diǎn)被選定概率越大。
d確定水印嵌入目標(biāo)集合如圖l (d)所示，根據(jù)Z)"tonce(x,C)值，不斷
剔除初始目標(biāo)集合中的結(jié)點(diǎn)并不斷重新計(jì)算集合的密度中心，當(dāng)集合的元素個(gè) 數(shù)等于水印編碼長(zhǎng)度/時(shí)，則算法終止，如圖1 (d)所示。通過(guò)本發(fā)明中改進(jìn)
的網(wǎng)格密度空間聚類分析方法獲得的水印嵌入目標(biāo)集合內(nèi)各矢量元素均具有較 高的不可去除性，同未選取結(jié)點(diǎn)相比，集合內(nèi)元素對(duì)矢量地圖的內(nèi)容完整和正 常使用提供更大比重的支持。
(3)對(duì)于步驟(2)的水印嵌入目標(biāo)集合，任取一矢量元素K，在矢量地
圖的屬性文件信息中，根據(jù)矢量元素巧的ID號(hào)獲得對(duì)應(yīng)的屬性特征，通過(guò)對(duì)其 位置屬性坐標(biāo)(W,)進(jìn)行坐標(biāo)值0比特連接的方式步驟(1)中生成的水印信息。 a按水印編碼順序，獲得連續(xù)的比特值相同的水印編碼s位。 b令巧的x,坐標(biāo)表示比特類型，即嵌入的是水印編碼為
或[1]; y,表示相
應(yīng)比特類型嵌入數(shù)量。v,的位置特征O,，x)只嵌入連續(xù)的同一類型的編碼，且至多復(fù)合4比特，若取得的^>4，則另從目標(biāo)集合中任取一矢量元素v,+,，嵌 入余下的s-4位水印信息。
c以符號(hào)"。"表示編碼的連接復(fù)合操作，若《=、。0，貝iJ少^少,。"0,…(V'; 若x,x,。00，貝lj;m。"W。其中，f為y,嵌入x所約定類型的編碼數(shù)量 ("4)。
d將所有嵌入水印信息的矢量對(duì)象組成向量K， r = 、]7'，將向量1/ 經(jīng)過(guò)Arnold置亂，且迭代次數(shù)A:同生成水印信息的迭代次數(shù)。 ,=^77oW(7,A:)。將jT&H乍為密鑰，傳遞給水印檢測(cè)及認(rèn)證機(jī)構(gòu)。
如圖3所示，利用該水印嵌入界面直接完成水印嵌入矢量地圖屬性信息的 過(guò)程。
2.水印提取和檢測(cè)算法與處理方法
(4)如圖5所示，利用水印提取和檢測(cè)單元可對(duì)含有水印信息的矢量地圖
進(jìn)行水印存在性檢測(cè)及水印內(nèi)容提取，對(duì)于被攻擊及經(jīng)過(guò)變換的地圖，還可以
通過(guò)計(jì)算機(jī)水印相似度，進(jìn)行相似度檢測(cè)，其具體包括以下步驟
a分解信息Jr 計(jì)算^ = ,r-= F ，順序讀取矢量對(duì)象v,，
根據(jù)水印嵌入時(shí)比特位的復(fù)合規(guī)則，將從每個(gè)矢量對(duì)象讀取到的水印編碼依次 連接起來(lái)。
b對(duì)獲得的水印編碼，應(yīng)用Arnold置亂，迭代次數(shù)為迭代周期r-A 。得 到檢測(cè)水印^ 。
c當(dāng)攜帶水印信息的地圖遭受攻擊或變換后， 一些矢量對(duì)象可能被去除， 水印信息會(huì)出現(xiàn)不一致情況，因此，首先應(yīng)計(jì)算水印的相似度
57w(『,^) = t<^,^; >/iV
式中『為原始水印，^為檢測(cè)出的水印。iV為水印容量，當(dāng)對(duì)應(yīng)位置數(shù)值 相同時(shí)，<^,^>=1;若^,為空，或數(shù)值不同，貝1」<『,,^>=0。由檢出水印
同原水印的相似程度，做版權(quán)的最終判定依據(jù)。
為了驗(yàn)證本發(fā)明的可靠性，特別利用本發(fā)明提供的矢量地圖水印算法進(jìn)行 了以下各種實(shí)驗(yàn)。利用自行開發(fā)的基于MapX插件形式的VC.NET矢量地圖編 輯程序，設(shè)定用戶信息為"HARBINGONGCHENGDAXUE"，即"哈爾濱工程大學(xué)"的漢語(yǔ)拼音，日期選擇為"20081010 "，個(gè)性化信息為 "SHUIYINSUANFACESHI"，同時(shí)選定一幅8x8的灰度圖象作為綜合綜合水 印，構(gòu)成3085位編碼長(zhǎng)度的水印標(biāo)識(shí)。
魯棒性分析將典型的空域水印算法以及DFT水印算法分別予以實(shí)現(xiàn)，在 保證相同的嵌入率的情況下，同本發(fā)明的水印方法一起進(jìn)行測(cè)試數(shù)據(jù)壓縮攻 擊，采用經(jīng)典的道格拉斯-普克壓縮算法(DP算法)，壓縮比例選定為0.4;剪 切攻擊，八種方式如圖6所示；扭曲變形以及噪聲攻擊("=50)。評(píng)價(jià)指標(biāo)為 誤碼率，其定義為在水印的實(shí)現(xiàn)過(guò)程中,接收的信息發(fā)生錯(cuò)誤的概率,若為
a(o<p<|)則正確接收的概率為1-a即信息接收前后不相同的概率是稱為
誤碼率.從實(shí)驗(yàn)結(jié)果中得到本發(fā)明的方法各項(xiàng)指標(biāo)都優(yōu)于空域和DFT頻域水 印算法。特別是數(shù)據(jù)壓縮攻擊，本發(fā)明方法的誤碼率約為空域算法的1/10，頻 域算法的1/8。
攻擊類型空域算法誤碼率 %DFT算法誤碼率 %本發(fā)明誤碼率/%
數(shù)據(jù)壓縮40%69.248.18,6
方式112.52.21.1
方式214.25.41.7
方式322.87.24.5
方式4 剪切 方式525.1 42.68.2 12.46.1 10.6
方式644.618.812.5
方式779.329.818.3
方式881.234.317.1
變形扭曲47.834.60
噪聲(3=50)28.314.60
安全性分析保證水印信息不被非法提取和檢測(cè)，關(guān)系到水印的實(shí)際應(yīng)用
效果，本方明的水印方法將所有嵌入水印信息的矢量結(jié)點(diǎn)id序列添加到向量r
中，并將向量f轉(zhuǎn)化為二進(jìn)制字符串采用置亂的方式進(jìn)行數(shù)據(jù)加密。 對(duì)于編碼長(zhǎng)度為/的水印標(biāo)識(shí)，攻擊者在截獲到密鑰信息^^的情況下，其付出的攻擊代價(jià)為2"xA!x/！。而在正常情況下，我們只需迭代2(r-"次就可 以得到原始的水印信息，可以2WxA:!x/!》2(r-"，在這樣高昂的攻擊代價(jià)下， 本發(fā)明的水印方法的安全性得到了保證。
綜上所述，利用對(duì)矢量結(jié)點(diǎn)的位置屬性的坐標(biāo)值"0比特復(fù)合"的嵌入方 式達(dá)到了地圖精度無(wú)損的目標(biāo)；將屬性文件作水印標(biāo)識(shí)的載體，使本發(fā)明對(duì)幾 何變換等多種攻擊方式具有較高的抵抗能力；采用改進(jìn)的網(wǎng)格空間聚類分析方 法得到的矢量對(duì)象作為嵌入目標(biāo)，提高了抵抗矢量數(shù)據(jù)壓縮攻擊的能力；利用 相似度判定原則，在部分水印編碼丟失的情況下，仍能確證水印的有效性。
權(quán)利要求
1、一種基于對(duì)象屬性特征的矢量地圖水印方法，包括水印的嵌入和提取，其特征是其步驟包括(1)通過(guò)用戶輸入生成待嵌入的水印編碼，并根據(jù)水印容量定義由矢量對(duì)象組成的水印嵌入目標(biāo)集合的規(guī)模；(2)對(duì)于待嵌入水印的矢量地圖，利用改進(jìn)的網(wǎng)格密度空間聚類分析方法生成水印嵌入目標(biāo)集合，主要包括聚類空間簡(jiǎn)化、聚類分析初始化、生成初始目標(biāo)集合及確定水印嵌入目標(biāo)集合；(3)在矢量地圖的屬性文件中查找嵌入目標(biāo)集合內(nèi)矢量對(duì)象對(duì)應(yīng)的屬性特征信息；(4)根據(jù)步驟(1)中生成的水印信息，隨機(jī)選取步驟(2)生成的水印嵌入目標(biāo)集合內(nèi)的矢量元素，向元素對(duì)應(yīng)的屬性坐標(biāo)信息中嵌入水印編碼；(5)將嵌入了水印信息的矢量對(duì)象所組成的向量序列進(jìn)行置亂，并將迭代次數(shù)存儲(chǔ)為密鑰；(6)讀取矢量地圖屬性文件，利用水印檢測(cè)程序提取水印信息，根據(jù)水印相似度判斷地圖載體的水印存在狀況。
2、根據(jù)權(quán)利要求l所述的一種基于對(duì)象屬性特征的矢量地圖水印方法，其特征是步驟(2)中，所述的改進(jìn)的網(wǎng)格密度空間聚類分析方法使用的網(wǎng)格密度空間聚類分析方法的改進(jìn)方法包括A聚類分析初始化首先設(shè)定網(wǎng)格步長(zhǎng)及屬性密度閾值；在沒有用戶推薦的情況下，拓?fù)淇臻g的平均屬性密度閾值作為評(píng)價(jià)標(biāo)準(zhǔn)-Davg = (" + / + c)/3x(7V/M)式中，DOTg為平均屬性密度，w,/,c分別代表孤立結(jié)點(diǎn)，線結(jié)點(diǎn)和區(qū)域結(jié)點(diǎn)的屬性熵值，iV為聚類空間規(guī)模，M為網(wǎng)格數(shù)；B生成初始目標(biāo)集合通過(guò)聚類分析方法可獲得數(shù)目不等的集簇，選取密度差異值最小的結(jié)點(diǎn)為密度中心，密度差異值的定義為<formula>formula see original document page 2</formula>式中Mm^為密度差異，Q為某集簇的第/個(gè)結(jié)點(diǎn)，J,為結(jié)點(diǎn)的屬性熵值，"wg為平均屬性密度，尺為該集簇的結(jié)點(diǎn)數(shù)目，S表示網(wǎng)格步長(zhǎng)；每個(gè)集簇只有一個(gè)密度中心，根據(jù)各結(jié)點(diǎn)到密度中心的相對(duì)距離，從每個(gè)集簇中選擇一定數(shù)量的距離密度中心較近的結(jié)點(diǎn)做為初始目標(biāo)集合的元素，按照距離度量方式，計(jì)算集簇內(nèi)每個(gè)結(jié)點(diǎn)到密度中心的距離式中x為考察結(jié)點(diǎn),C為密度中心，^為考察結(jié)點(diǎn)的屬性熵值，D/W"""(x,C)為評(píng)價(jià)標(biāo)準(zhǔn)，距離密度中心越小表明該結(jié)點(diǎn)被選定概率越大；C確定水印嵌入目標(biāo)集合，根據(jù)DW""ce(x, C)值，不斷剔除初始目標(biāo)集合中的結(jié)點(diǎn)并不斷重新計(jì)算集合的密度中心，當(dāng)集合的元素個(gè)數(shù)等于水印編碼長(zhǎng)度/時(shí)，則算法終止；通過(guò)改進(jìn)的網(wǎng)格密度空間聚類分析方法獲得的水印嵌入目標(biāo)集合內(nèi)各矢量元素均具有較高的不可去除性，同未選取結(jié)點(diǎn)相比，集合內(nèi)元素對(duì)矢量地圖的內(nèi)容完整和正常使用提供更大比重的支持。
3、 根據(jù)權(quán)利要求2所述的一種基于對(duì)象屬性特征的矢量地圖水印方法，其特征是步驟(3)中，矢量對(duì)象包括孤立結(jié)點(diǎn)，線結(jié)點(diǎn)以及區(qū)域結(jié)點(diǎn)三類；屬性文件由大小為512或1024字節(jié)的數(shù)據(jù)塊組成，各種數(shù)據(jù)塊完整地描述了矢量對(duì)象的名稱、類型、位置以及索引等信息。
4、 根據(jù)權(quán)利要求3所述的一種基于對(duì)象屬性特征的矢量地圖水印方法，其特征是步驟(4)中，對(duì)于嵌入目標(biāo)集合內(nèi)的矢量對(duì)象，以坐標(biāo)形式表示該對(duì)象為0c,，x)，約定(x,，x)至多復(fù)合4比特編碼，x,表示水印編碼類型，即
或[1];X表示相應(yīng)編碼類型的嵌入數(shù)量；以算符"。"表示編碼的連接操作，若x, =x, 。0 ，貝lJ少^y,。"q…(V';若x, =;c,。00，則j^y,。'V"V';其中，A:為少,嵌入x,所定義比特編碼類型的數(shù)量(AS4);嵌入方式為-任取一矢量元素K，在矢量地圖的屬性文件信息中，根據(jù)矢量元素R的ID號(hào)獲得對(duì)應(yīng)的屬性特征；a按水印編碼順序，獲得連續(xù)的比特值相同的水印編碼H立；b令K的《坐標(biāo)表示比特類型，即嵌入的是水印編碼為
或[1];少,表示相應(yīng)比特類型嵌入數(shù)量，v,的位置特征"，y,)只嵌入連續(xù)的同一類型的編碼，且至多復(fù)合4比特，若取得的^>4，則另從目標(biāo)集合中任取一矢量元素v,+,，嵌入余 下的S-4位水印信息；c以符號(hào)"。"表示編碼的連接復(fù)合操作，若、=、。0，貝iJ:^-x。'A…o/; 若x,-x,。oo，貝iJy^:H。'v.-v'。其中，f為y,嵌入x,所約定類型的編碼數(shù)量("4);d將所有嵌入水印信息的矢量對(duì)象組成向量r， K = [Vl,V2,...,V ]7'，將向量F 經(jīng)過(guò)Arnold置舌L，且迭代次數(shù)A:同生成水印信息的迭代次數(shù)；,=爿moW(F，A:)。將Z &&作為密鑰，傳遞給水印檢測(cè)及認(rèn)證機(jī)構(gòu)。
5、 根據(jù)權(quán)利要求4所述的一種基于對(duì)象屬性特征的矢量地圖水印方法，其特 征是步驟(5)中，嵌入水印信息的對(duì)象序列為向量 =["1,"2,...^,]7'，對(duì)7V。進(jìn) 行Arnold置亂iV' = ^72oW(7V。，A:)，式中TV'為置亂后輸出編碼，A:為迭代次數(shù)， 作為水印檢測(cè)密鑰保存。
6、 根據(jù)權(quán)利要求5所述的一種基于對(duì)象屬性特征的矢量地圖水印方法，其 特征是步驟(6)中，由密鑰A:及字符串iV'，重新生成向量iV。，根據(jù) 所保 存的對(duì)象ID序列，在屬性空間中可檢測(cè)到水印編碼^;當(dāng)攜帶水印編碼的地圖遭受攻擊后， 一些結(jié)點(diǎn)可能被去除，水印編碼會(huì)出現(xiàn)不一致情況，提出水印相似 度計(jì)算方法進(jìn)行版權(quán)判定；『為原始水印，^為檢測(cè)出的水印，iV為水印容量，當(dāng)對(duì)應(yīng)位置數(shù)值相同時(shí)，<^,^>=1;若^為空或數(shù)值不同，<^,^>=0。
全文摘要
本發(fā)明提供的是一種基于對(duì)象屬性特征的矢量地圖水印方法。通過(guò)用戶輸入生成待嵌入的水印編碼，并根據(jù)水印容量定義由矢量對(duì)象組成的水印嵌入目標(biāo)集合的規(guī)模；對(duì)于待嵌入水印的矢量地圖，利用改進(jìn)的網(wǎng)格密度空間聚類分析方法生成水印嵌入目標(biāo)集合；在矢量地圖的屬性文件中查找嵌入目標(biāo)集合內(nèi)矢量對(duì)象對(duì)應(yīng)的屬性特征信息；根據(jù)步驟(1)中生成的水印信息，隨機(jī)選取步驟(2)生成的水印嵌入目標(biāo)集合內(nèi)的矢量元素，向元素的屬性坐標(biāo)信息中嵌入水印編碼；對(duì)由所有被嵌入水印標(biāo)識(shí)的矢量對(duì)象序列所組成的向量進(jìn)行置亂，并將迭代次數(shù)存儲(chǔ)為密鑰；讀取矢量地圖屬性文件，利用水印檢測(cè)程序提取水印信息，根據(jù)水印相似度判斷地圖載體的水印存在狀況。
文檔編號(hào)G06T1/00GK101458810SQ20081020963
公開日2009年6月17日 申請(qǐng)日期2008年12月8日 優(yōu)先權(quán)日2008年12月8日
發(fā)明者孫建國(guó), 門朝光 申請(qǐng)人:哈爾濱工程大學(xué)