一种基于特征点的三维网格盲水印算法

针对三维网格水印空域算法无法兼顾嵌入量与透明性,且水印盲检测过程繁琐的问题,提出一种基于特征点的盲水印算法。选取三维模型最远两点为全局特征点建立全局坐标系,根据仿射不变性原理将原始载体仿射到一个固定的球型空间,以增强对多种几何攻击的抵抗能力。根据载体点密集程度将其等分成若干个局部空间,以局部空间中离质心最远点为局部特征顶点建立局部几何坐标系,从而增强算法的透明性。利用顶点在坐标系的投影角度来存储水印索引,实现盲水印。实验结果表明,该算法能有效抵抗旋转、缩放、噪声等攻击,具有强鲁棒性和较好的不可感知性,同时兼具盲水印检测优势。     

基于顶点范数三维网格模型抗简化盲水印算法

为提高三维网格模型的数字水印对网格简化攻击的鲁棒性，提出一种基于顶点范数的三维网格模型抗简化盲水印算法。结合网格模型点与面的权重关系计算模型中心，利用中心计算顶点范数，根据水印长度建立顶点范数分组，在嵌入水印时，通过映射函数调整分组内顶点范数均值嵌入水印信息；在检测水印时，计算各集合内均值进行水印信息的盲检测。实验结果表明，该水印算法具有较好的透明性、鲁棒性以及简化攻击抵抗的能力，为三维网格模型的版权保护提供了有效技术支持。     

基于局部重建的点云特征点提取

为了有效地提取点云数据中的特征信息,针对采自分片光滑曲面的散乱点云数据,提出一种基于局部重建的鲁棒特征点提取方法.首先基于局部邻域的协方差分析计算每个数据点的特征度量,并通过阈值过滤获取初始特征点集合;然后在每个初始特征点的局部邻域内构建不跨越特征区域,以反映该点局部特征信息的三角形集合;再利用共享近邻算法对构造的三角形法向进行聚类,得到对应局部区域数据点的分类集合;最后对每一类点集拟合平面,通过判断该点是否同时落在多个平面来进行特征点提取.实验结果表明,该方法简单、稳定,对局部邻域选取的大小不敏感,具有一定的抗噪能力;能够在有效提取显著特征的同时,尽可能多地保留相对较弱的特征.     

局部集的3D模型水印方法

提出了一种新的3D模型水印方法,利用模型顶点局部集信息来实现水印信息的嵌入和盲检测。水印嵌入阶段利用模型顶点局部集信息选取恰当的水印嵌入点以降低嵌入水印对模型视觉质量的损害。水印检测阶段,相同的局部集面积信息被提取,从而在水印嵌入和检测间建立了准确的同步关系,提高了水印抗攻击能力。利用一阶矩仿射不变性所提取的局部集信息能够抵御旋转、平移、均匀缩放等几何攻击。实验结果表明,在攻击强度不足以损害模型视觉质量的前提下,该方法对加噪、平滑滤波等攻击也具有较高鲁棒性。     

基于三维网格模型的双重数字盲水印算法

为提高一重三维模型数字水印的安全性,提出一种基于三维网格模型的双重数字盲水印算法。通过改变三角网格顶点在其一环相邻顶点所确定的局部几何空间中的位置和三角面片顶点排列顺序,嵌入双重水印,使模型能抵抗严重的剪切攻击及一定程度的噪声攻击。算法在提取水印时无需原始模型。仿真结果表明,该算法能够有效抵抗平移、旋转、均匀缩放、顶点乱序、多边形乱序及剪切等攻击,具有嵌入可读水印的不可见性。     

基于图像特征点的公钥水印算法

对于现在公钥水印算法一些抗几何攻击能力弱的问题,提出一种基于图像特征点的公钥水印算法。通过Harris-Laplace算法提取图像的特征点,构造局部特征区域,并在这些区域内做DCT变换和水印信息的嵌入,使得嵌入水印后的图像可以更好地抗RST攻击。     

基于Contourlet域特征点的抗几何攻击水印方法

有效抵抗几何攻击的水印算法是目前水印技术研究的难点之一,很小的几何变形就可能使大多数水印算法失效.对图像Contourlet变换和Harris-Affine算子的特性进行了分析和讨论,在此基础上提出了一种以仿射不变特征点的基于Contourlet的抗几何攻击水印算法.首先,用Contourlet变换提取出多尺度、多方向的纹理信息;再用Harris-Affine检测算子从变换域的中、低频方向子带中提取出仿射不变特征点,结合自适应局部结构的特征尺度确定特征区域,并用U变换对其归一化处理,水印就自适应地嵌入到归一化后的区域中;水印嵌入采纳矢量量化的策略,将水印信息重复嵌入到不同方向子带、多个不相交的局部仿射不变特征区域.检测时,利用特征点实现水印的重同步,采用多数原则来提取水印的位信息,无需求助于原始图像.仿真结果表明,算法不仅具有较好的透明性,而且对常规信号处理和去仿射攻击均具有较好的鲁棒性     

基于顶点统计特征的三维网格模型盲水印算法

针对三维网格模型盲水印算法鲁棒性和透明性未很好权衡的问题,提出一种基于顶点统计特征的三维网格盲水印算法.在水印嵌入过程中,首先计算顶点到模型中心的距离作为顶点的特征值;根据该特征值对顶点进行分区,并依据特征值的分布将分区分为联合嵌入分区、恢复分区和缓冲分区;然后通过改变联合嵌入分区内归一化后的顶点特征值的分布来嵌入水印,并修改恢复分区中顶点的坐标还原模型中心.文中算法通过综合利用联合嵌入分区、恢复分区和顶点微调方法增强了水印的鲁棒性,并实现了水印的盲检测.实验结果表明,在保持较好的透明性的基础上,该算法能够有效抵抗平移、旋转、均匀缩放、顶点重排序、噪声、平滑、细分和网格重构等常见攻击.     

基于支持向量机的鲁棒盲水印算法

提出了一种基于支持向量机的鲁棒盲水印算法.该算法首先用多尺度Harris-Laplace检测算子从载体图像中提取出稳定的特征点,然后根据特征自适应确定局部特征区域,在特征区域选择一些点作为嵌入水印的点,结合图像的邻域相关性,根据灰度图像特点,选取特征向量作为SVR训练模型,进而利用SVR进行预测,调节嵌入点的像素值进行水印的嵌入和提取.实验结果表明,用该技术嵌入水印后的图像具有很好的图像感知质量,时常规信号处理乖去同步攻击特别是JPEG压缩具有较强的鲁棒性.     

一种强抗压缩的矢量地图数据盲水印算法

针对矢量地图水印强鲁棒性、数据精度和盲检测等要求,提出一种强抗压缩能力的盲水印算法。首先对地图数据进行道格拉斯-普克算法压缩,然后通过改变相邻特征点所组成的三角形的形状嵌入水印。该算法在检测水印时无需原始地图,且对平移、旋转、缩放、随机增加顶点、裁剪和压缩等攻击具有非常强的抵抗能力。实验结果表明,该水印算法具有强鲁棒性、数据精度高以及实用性的优势。     

基于三维点云模型的特征线提取算法

针对以往算法存在无法区分尖锐和非尖锐特征点、提取的特征点与视角有关、特征点未连线等问题, 提出一种基于高斯映射和曲率值分析的三维点云模型尖锐特征线提取算法。该算法先进行点云数据点的离散高斯映射, 并将映射点集聚类; 然后使用自适应迭代过程得到两个或多个面的相交线上曲率值和法向量发生突变的尖锐特征点, 这些点与视角无关; 最后, 用改进的特征折线生长算法, 将特征点连接, 得到光顺特征线。实验证明, 该算法具有良好的自适应性、抗噪性和准确性, 是一种有效的三维模型特征线提取算法。     

Nonlinear scrambling-based reversible watermarking for 2D-vector maps

The reversible watermarking technique is suitable for vector maps due to its reversibility after watermark extraction. In this paper, a novel reversible watermarking scheme based on the idea of nonlinear scrambling is proposed. It begins with feature point extraction. To avoid the high-precision vector data being illegally used by unauthorized users, the algorithm nonlinearly scrambles the relative position of feature points. Then based on the proposed reversible embedding, both scrambled feature points and nonfeature points are taken as cover data, the coordinates of which are modified to embed both watermark data and feature point identification data. Finally, combined with the scrambling secret key, the original vector data can be exactly recovered with watermark extraction. Comprehensive experimental results validate that the scheme could effectively prevent the high-precision vector data from being illegally used with maintaining the basic shape of each polyline, simultaneously.     

一种基于关系和量化的强鲁棒性盲水印算法

盲水印提取时不需要参考原始载体图像,在信息隐藏、版权保护等方面具有更广泛的应用前景。提出的盲水印算法在分块离散余弦变换（DCT）和离散小波变换（DWT）的基础上,利用关系双方DCT系数和DWT系数在受到攻击时具有相同变化趋势的特点,采用关系嵌入和量化嵌入的自适应选择嵌入策略,较大幅度地提高了盲水印提取的鲁棒性。同时在量化嵌入中采用抖动调制,实现了水印透明性和鲁棒性调节的便捷性。大量仿真实验结果表明该算法对噪声干扰、低通滤波、JPEG压缩、对比度增强等攻击有很好的鲁棒性和透明性。     

基于FPFH特征提取的散乱点云精简算法

针对原始点云模型中存在大量冗余数据问题,提出一种基于快速点特征直方图(FPFH)特征提取的点云精简算法,有效兼顾了特征信息保留和整体完整性。算法首先查找并保留原始模型的边缘点;然后计算非边缘点的FPFH值,由此得到点云的特征值,并进行排序且划分出特征区域和非特征区域,保留特征区域内的点;最后将非特征区域划分为k个子区间,对每个子区间用改进的最远点采样算法进行采样。将该算法与最远点采样算法、非均匀网格法、k-means算法和自适应曲率熵算法进行对比实验,并用标准化信息熵评价方法对精简后的点云进行评价,实验表明其优于其他精简算法。此外,可视化结果也表明,该算法能够在保证精简模型完整性的同时,较好地保留住点云大部分特征信息。     

A blind watermarking algorithm for 3D mesh models based on vertex curvature

We propose a robust blind watermarking algorithm for three-dimensional （3D） mesh models based on vertex cur-vature to maintain good robustness and improve visual masking in 3D mesh models. In the embedding process, by using the local window of vertex, the root mean square curvature is calculated for every vertex of the 3D mesh model and an ordered set of fluctuation values is obtained. According to the ordered fluctuation values, the vertices are separated into bins. In each bin the fluctuation values are normalized. Finally, the mean of the root mean square curvature fluctuation values of the vertices in each bin is modulated to embed watermark information. In watermark detection, the algorithm uses a blind watermark extraction technique to extract the watermark information. The experimental results show that the algorithm has a very good performance for visual masking of the embedded model and that it can resist a variety of common attacks such as vertex rearrangement, rotation, trans-lating, uniform scaling, noise, smoothing, quantization, and simplification.     

一种尺度空间特征区域的强鲁棒性水印算法

针对数字水印算法中特征区域选取不足以反映图像重要信息,导致鲁棒性减弱的问题,提出一种尺度空间特征区域的强鲁棒性水印算法。通过尺度空间特征点检测,提取靠近载体图像重心且互不重叠的特征区域,合成特征区域矩阵,用变换域水印算法嵌入水印,对可能受到攻击的含水印图像提取特征区域,合成其特征区域矩阵,用嵌入水印算法逆过程提取水印。实验表明,该算法不仅对常规攻击和噪声攻击都具有强鲁棒性,且不可见性良好。     

一种基于特征点的矢量地图水印算法

提出一种基于特征点的矢量地图水印算法。在嵌入水印信息前,采用Torus自同构映射对水印图像进行置乱处理,将矢量地图分割为指定数量顶点的曲线集合,选择曲线中角度最小的顶点作为特征点,在地图精度允许的范围内,通过改变该特征点的坐标值,将制作的水印图像重复嵌入到这些特征点中。实验结果表明,该算法不仅能获得较好的地图精度,且对压缩攻击和各种裁剪攻击也具有较强的鲁棒性。     

基于三维激光雷达的道路边界提取和障碍物检测算法

为了快速有效地提取智能车辆在不同环境下的道路环境信息,提出基于三维激光雷达的道路边界提取和障碍物检测算法.首先,对三维激光雷达点云数据进行栅格化滤波处理,利用单束激光点云空间邻域联合分割的方法进行空间分析,得到点云平滑度特征图像.然后,采用自适应方向搜索算法获取道路边界候选点,并进行聚类分析和曲线拟合.最后,对道路边界约束下可通行区域内点云进行聚类分割,获得道路内障碍物方位和距离信息.实验表明,文中算法能够实时准确地提取道路边界和障碍物位置信息,满足智能车环境建模和路径规划的需求.     

基于改进自适应k均值聚类的三维点云骨架提取的研究

针对三维点云中心骨架提取问题, 提出一种基于改进的自适应k均值聚类预分割引导的点云骨架提取算法. 首先, 将输入点云体素化, 利用八叉树算法覆盖输入点云并下采样实现点云化简; 其次, 在采样点中自适应选取初始聚类中心对点云进行区域划分, 并颜色标记; 最后, 在区域分割的引导下应用L₁-中值骨架提取算法实现点云骨架的提取. 该算法主要针对L₁-中值算法可重复性差、易丢失细节等缺点进行了改进, 并且对输入点云的质量以及形状的几何或拓扑信息, 都没有严格的先验要求, 可以直接应用到未经任何预处理、含有噪声或离群点的初始扫描点云上. 展示了从多种不规则点云提取的骨架结果, 包括矮小植物、人体动作等. 与传统算法相比, 该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.