地理场景点云数据数字水印算法研究

论文摘要

地理场景点云数据在三维城市建模、地理场景分析以及三维地理信息系统建设等领域有着重要的价值。随着计算机、激光雷达和无人机倾斜摄影测量等技术的快速发展,地理场景点云数据的采集变得更加方便快捷,由此产生了大量地理场景点云数据,这些数据普遍具有商业性和保密性,需要采取一定的技术手段加强对该数据的版权保护。数字水印是一种前沿的信息安全技术,该技术通过特定算法将水印信息嵌入在数字产品中,当数据发生泄露或存在版权争议时,可以通过提取水印信息的方式来追究责任、鉴定版权。目前针对点云数据的水印算法已有一些研究,但将其用于地理场景点云数据的数据安全中仍存在一些不足。为了有效的保护地理场景点云数据的安全,本文对地理场景点云数据数字水印算法进行了研究。主要的研究内容及结论如下:(1)对地理场景点云数据数字水印技术基础做了分析和研究。首先围绕地理场景点云数据的获取方式、数据特点进行了阐述和分析,总结了地理场景点云数据区别于其他点云数据的特征。然后阐述了地理场景点云数据的数据处理类型,从而分析了地理场景点云数据数字水印可能遭受的攻击类型。最后在以上分析的基础上,提出了地理场景点云数据数字水印的技术架构,并总结了地理场景点云数据数字水印算法的评价指标。(2)从地理场景点云数据的生产和应用两个方面分析了地理场景点云数据在垂直于水平面方向的稳定性,据此得出了地理场景点云数据的纵坐标具有一定的稳定性的结论。在此基础上,设计了基于垂直稳定性的地理场景点云数据数字水印算法。算法结合了量化机制和映射思想,并采用了嵌入标识位的方式保证水印位的同步。实验表明,此算法对种地理场景点云数据常见的平移、旋转、裁剪、拼接以及水平方向上的旋转等攻击方式具有较强的鲁棒性。(3)为进一步加强地理场景点云数据数字水印算法抗缩放和任意方向旋转的能力,提出了一种基于点云分割及特征点提取的数字水印算法。首先对地理场景点云数据进行了分割,然后分别对每个点云子集进行特征点提取,利用特征点作为基准点,将水印信息嵌在基准点与其相邻点的距离比值中。在此过程中分别提出了适用于本算法的特征点提取方式和水印序列生成方式。最后对算法的实用性进行了实验验证,实验表明该算法具有良好的不可见性并且可以抵抗平移、旋转、缩放、裁剪和拼接等攻击。(4)在分析和研究MapReduce编程模型的基础上提出了一种地理场景点云数据数字水印算法分布式并行计算方法。通过搭建Hadoop分布式集群和优化用于数字水印算法分布式计算的Map函数实现了地理场景点云数据数字水印算法的分布式并行计算。实验表明,该分布式计算方法可以有效提高地理场景点云数据数字水印算法的计算效率。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
•   1.1 研究背景
•   1.2 国内外研究现状和进展
•     1.2.1 国内外研究现状
•     1.2.2 存在的问题
•   1.3 研究内容和技术路线
•     1.3.1 研究内容
•     1.3.2 技术路线
•   1.4 论文组织
• 第2章 地理场景点云数据数字水印算法基础
•   2.1 地理场景点云数据概述
•     2.1.1 点云数据概述
•     2.1.2 地理场景点云数据特征
•   2.2 数字水印技术
•     2.2.1 数字水印的原理
•     2.2.2 数字水印的分类
•     2.2.3 数字水印的应用
•   2.3 地理场景点云数据数字水印算法攻击类型分析
•     2.3.1 地理场景点云数据的采集与处理
•     2.3.2 攻击类型分析
•   2.4 地理场景点云数据数字水印基本框架
•     2.4.1 数字水印基本框架
•     2.4.2 地理场景点云数据的水印技术框架
•     2.4.3 评价指标
•   2.5 本章小结
• 第3章 基于垂直稳定性的地理场景点云数据数字水印算法
•   3.1 三维地理数据的垂直稳定性分析
•     3.1.1 三维地理数据生产过程中的垂直稳定性
•     3.1.2 三维数据应用过程中的垂直稳定性
•   3.2 算法思想
•   3.3 水印信息的嵌入和提取
•     3.3.1 水印信息生成
•     3.3.2 水印位映射机制
•     3.3.3 奇偶量化思想
•     3.3.4 水印信息嵌入
•     3.3.5 水印信息提取
•   3.4 实验与分析
•     3.4.1 不可见性分析
•     3.4.2 攻击实验
•   3.5 本章小结
• 第4章 基于点云分割及特征点提取的地理场景点云数据数字水印算法
•   4.1 算法思想
•   4.2 点云数据的分割
•   4.3 特征点提取
•   4.4 水印的嵌入和提取
•     4.4.1 水印信息的生成
•     4.4.2 水印的嵌入
•     4.4.3 水印的提取
•   4.5 实验与分析
•     4.5.1 不可见性分析
•     4.5.2 攻击实验
•   4.6 本章小结
• 第5章 地理场景点云数据数字水印算法分布式并行方法
•   5.1 分布式并行计算
•     5.1.1 地理场景点云数据的分布式存储
•     5.1.2 分布式并行计算方法
•   5.2 MapReduce编程模型
•   5.3 地理场景点云数据数字水印算法分布式计算模型
•   5.4 实验分析
•     5.4.1 单文件分布式并行计算方法实验
•     5.4.2 多文件分布式并行计算方法实验
•   5.5 本章小结
• 第6章 总结与展望
•   6.1 主要研究内容及结论
•   6.2 创新点
•   6.3 研究展望
• 参考文献
• 在读期间的研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 王刚

导师: 朱长青,任娜

关键词: 点云数据,数字水印,垂直稳定性,特征点提取,鲁棒性

来源: 南京师范大学

年度: 2019

分类: 基础科学,信息科技

专业: 自然地理学和测绘学,计算机软件及计算机应用

单位: 南京师范大学

分类号: P208

DOI: 10.27245/d.cnki.gnjsu.2019.000298

总页数: 87

文件大小: 8300K

下载量: 54