一种基于地理语义支持的矢量数据水印防伪方法

摘要

本发明公开了一种基于地理语义支持的矢量地理数据水印防伪方法，包括:基于地理语义建立矢量地理数据的保真度描述知识规则库；根据所述保真度描述知识规则库建立水印载体模型；基于经典水印算法嵌入水印信息；提取水印信息；验证水印信息。本发明基于地理数据保真度知识规则库，将水印信息嵌入到应用敏感的数据特征集合中，有效提高了水印的鲁棒性；利用经典水印算法，以高保真度为求解目标的水印嵌入模型保障了水印版本数据的可用性及不可见性，提升了算法的实用性；通过水印载体的无量纲化处理后，实现了几何攻击对本水印模型无效，并且，嵌入水印时采用重复嵌入和检测时采用选举的方法，有效增强了水印模型对常见水印攻击的抵抗能力。

权利要求

1.一种基于地理语义支持的矢量地理数据水印防伪方法，包括:基于地理语义建立矢量地理数据的保真度描述知识规则库；

根据所述保真度描述知识规则库建立水印载体模型；

基于经典水印算法嵌入水印信息；

提取水印信息；

验证水印信息；

其特征在于，所述基于地理语义建立矢量地理数据的保真度描述知识规则库的步骤具体为：以地理语义为切入点，通过调研及相关资料的查阅，分析数据的不同应用需求及空间地物的几何图形特征，给出保真度量化描述指标体系；

针对不同地理特征类型及不同应用专题的矢量数据保真度侧重点不同，建立对应的保真度综合指标计算方法；

采用人工智能技术的产生式规则表示法将保真度描述知识形式化为保真度描述规则，建立知识规则库，存储不同地理语义特征的空间数据与保真度指标及各指标权重之间的对应关系；

所述根据所述保真度描述知识规则库建立水印载体模型的步骤具体为：根据原始数据的地理语义特征及数据应用需求，在保真度描述知识规则库中匹配找到最合适的保真度描述规则，得到描述指标及各指标权重；

选取权重值位于最大值与最小值之间的指标所涉及到的图形变量，对每个图形变量参与水印载体建模的程度用一个系数来模拟；

所述基于经典水印算法嵌入水印信息的步骤具体为：将水印信息进行BCH(循环纠错编码)编码后作重复连接运算；

根据数据地理语义特征和应用需求，保真度综合指标及水印载体模型确立求解算法类型及参数，建立相应算法库；

对上述模型的求解算法按照类型及参数进行整理分类，建立方法库；

在方法库中匹配最佳算法，组合建模，执行模型得到最优解，利用最优解修改数据以嵌入水印。

2.根据权利要求1所述的基于地理语义支持的水印防伪方法，其特征在于，所述提取水印信息的步骤具体为：恢复出水印载体，基于经典水印算法量化调制模型从水印载体中提取出水印信息；

对提取出的水印信息进行BCH解码后拆分成相等水印串。

3.根据权利要求1所述的基于地理语义支持的矢量地理数据水印防伪方法，其特征在于，所述验证水印信息的步骤具体为：对拆分后的水印串采用投票机制，确定最终水印信息。

说明书

一种基于地理语义支持的矢量数据水印防伪方法

技术领域

[0001] 本发明涉及一种矢量地理数据水印防伪方法，更具体地说，涉及一种基于地理语义支持的矢量地理数据水印防伪方法。

背景技术

[0002] 地理信息系统(GIS)应用已经发展到大众化的社会应用水平，要求承载地理信息的空间数据相应广度的分发范围。在这样的背景下，解决空间数据的版权保护问题，保障地理空间数据的安全分发，已经迫在眉睫。作为版权保护的首选解决方案，地理空间数据数字水印已引起国内外不少学者的兴趣，并为此做了大量的工作。

[0003] 现有的研究工作大致可以分为以下几类：（1）将局部范围内的数据顶点排列成特定的分布样式来进行水印位的嵌入，其特点是要求数据节点分布较密，而对于节点数目较少且分布稀疏的数据，则水印可能无法嵌入。（2）直接修改数据顶点坐标。其特点是通过修改顶点坐标的最低有效位来嵌入水印或将水印位复合在顶点坐标比特位后面。（3）根据数据集的统计特性比较稳定的特点，因此数据集的统计变量是一个不错的水印载体，但数据集要求一定的数据量，如果数据定点过少，则水印也可能无法嵌入。（4）构造抵抗水印几何攻击（几何变换）的常函数，即利用常函数所具备的水印攻击不变特性，通过修改常函数，再由常函数反算顶点坐标来嵌入水印信息。（5）通过修改变换系数来嵌入水印信息：如傅里叶变换的幅度针对几何变换具有平移和旋转不变性、相位针对几何变换具有平移、缩放不变性，将水印信息嵌入到傅里叶变换的幅度或相位中，或者利用小波变换近似分量对噪声不敏感、细节分量具有几何变换平移不变性，幅值具有旋转不变性，将水印信息嵌入到小波变换系数中。（6）将水印信息隐藏于数据的图形参数中，可隐藏角度中，也可隐藏空间关系中，或隐藏于描述图形起伏形态的参数序列中。（7）基于空间域水印载体和变换域水印载体优劣互补的特点，可以在同一水印模型中，将两种水印载体互补结合，以提高水印模型的鲁棒性。

[0004] 上述模型极大地丰富了矢量空间数据数字水印研究的理论和方法内容，但还存在一些问题：（1）对数据保真度的考虑局限于数据定点的绝对误差，虽然有综述文献提到形状变形和空间关系变形问题，但只有少数文献在水印模型中考虑了对形状变形和空间关系变形的控制（2）从水印载体反算定点坐标时，现有工作把顶点抽象为一个纯粹的几何点来处理，没有考虑该点与邻近点的关系，更没有考虑该点所在地理实体的特征（3）前四类水印模型没有考虑矢量数据自身的特点，所建立的水印载体缺乏图形含义。（4）现有矢量空间数据水印模型没有考虑数据的地理语义信息及应用背景对保真度的影响，很可能降低保真度，破坏水印的不可见性及数据可用性。

[0005] 保真度描述原始数据与水印版本数据之间的相似程度，对图像等多媒体数据而言，只要人的感官系统察觉不出两个数据版本之间的差异，则说明水印版本数据具备较高的保真度。矢量空间数据的保真度含义有所不，矢量空间数据的使用者更多地是计算机，计算机与人的区别在于，人是定性地感觉数据，而计算机是定量地分析数据。只有当水印版本数据输入计算机后输出的结果与原始数据输出结果之间的差异在应用可接受范围内时，才能说明该水印版本数据保真度较高。对图像等多媒体数据来说，影响数据保真度水平的是人的感官系统敏感的数据内容变形，对矢量空间数据而言，影响保真度水平的则是应用敏感的数据特征的变形。

[0006] 可见，矢量数据保真度的评价与数据所蕴含的地理语义信息及特定的应用背景息息相关，而数据的潜在应用背景又由其所承载的地理语义信息决定，所以说，脱离了地理语义背景，矢量数据水印版本保真度评价就失去了意义。缺乏地理语义的支持，水印嵌入过程中对保真度的控制将变得盲目而没有目标。

发明内容

[0007] 有鉴于此，本发明提供一种基于地理语义支持的水印防伪方法，以实现提高水印的鲁棒性和保真度。

[0008] 为解决上述技术问题，本发明采用的技术方案为：一种基于地理语义支持的水印防伪方法，包括:

[0009] 基于地理语义建立矢量地理数据的保真度描述知识规则库；

[0010] 根据所述保真度描述知识规则库建立水印载体模型；

[0011] 基于经典水印算法嵌入水印信息；

[0012] 提取水印信息；

[0013] 验证水印信息。

[0014] 优选地，所述基于地理语义建立矢量地理数据的保真度描述知识规则库的步骤具体为：

[0015] 以地理语义为切入点，通过调研及相关资料的查阅，分析数据的不同应用需求及空间地物的几何图形特征，给出保真度量化描述指标体系；

[0016] 针对不同地理特征类型及不同应用专题的矢量数据保真度侧重点不同，建立对应的保真度综合指标计算方法；

[0017] 采用人工智能技术的产生式规则表示法将保真度描述知识形式化为保真度描述规则，建立知识规则库，存储不同地理语义特征的空间数据与保真度指标及各指标权重之间的对应关系。

[0018] 优选地，所述根据所述保真度描述知识规则库建立水印载体模型的步骤具体为：

[0019] 根据原始数据的地理语义特征及数据应用需求，在保真度描述知识规则库中匹配找到最合适的保真度描述规则，得到描述指标及各指标权重；

[0020] 选取权重值位于最大值与最小值之间的指标所涉及到的图形变量，对每个图形变量参与水印载体建模的程度用一个系数来模拟。

[0021] 优选地，所述基于经典水印算法嵌入水印信息的步骤具体为：

[0022] 将水印信息进行BCH编码后作重复连接运算；

[0023] 根据数据地理语义特征和应用需求，保真度综合指标及水印载体模型确立求解算法类型及参数，建立相应算法库；

[0024] 对上述模型的求解算法库按照类型及参数进行整理分类，建立方法库；

[0025] 在方法库中匹配最佳算法，组合建模，执行模型得到最优解，利用最优解修改数据以嵌入水印。

[0026] 优选地，所述提取水印信息的步骤具体为：

[0027] 恢复出水印载体，基于经典水印算法量化调制模型从水印载体中提取出水印信息；

[0028] 对提取出的水印信息进行BCH解码后拆分成相等水印串。

[0029] 优选地，所述验证水印信息的步骤具体为：

[0030] 对拆分后的水印串采用投票机制，确定最终水印信息。

[0031] 从上述的技术方案可以看出，本发明公开的一种基于地理语义支持的水印防伪方法，基于地理数据保真度知识规则库，将水印信息嵌入到应用敏感的数据特征集合中，有效提高了水印的鲁棒性；利用经典水印算法，基于保真度描述知识规则库，以高保真度为求解目标的水印嵌入模型保障了水印版本数据的可用性及不可见性，提升了算法的实用性；通过水印载体的无量纲化处理后，具有几何变换不变性，实现了几何攻击对本水印模型无效，并且，嵌入水印时采用重复嵌入和检测时采用选举的方法，有效增强了水印模型对常见水印攻击的抵抗能力。

附图说明

[0032] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0033] 图1为本发明公开的一种基于地理语义支持的水印防伪方法的流程图。

具体实施方式

[0034] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0035] 本发明实施例公开了一种基于地理语义支持的水印防伪方法，以实现提高水印的鲁棒性和保真度。

[0036] 如图1所示，一种基于地理语义支持的水印防伪方法，包括:

[0037] S11、基于地理语义建立矢量地理数据的保真度描述知识规则库；

[0038] 步骤S11具体为：

[0039] S111、以地理语义为切入点，通过调研及相关资料的查阅，分析数据的不同应用需求及空间地物的几何图形特征，给出保真度量化描述指标体系。

[0040] 本发明重点从几何形状变形、空间关系变形及数据顶点误差三个方面建立保真度量化描述指标体系，通过研究改进采用的部分保真度量化指标如表1-1。在此基础上，通过相关分析、主成分分析等方法，分析各指标的关联关系及与特定应用需求的关联关系，进而选取互相独立且能反映不同应用需求及不同几何图形特征的指标，从而建立保真度量化描述指标体系。

[0041] 表1-1 保真度量化指标

[0042]

[0043] 对于几何图形指标及空间关系指标这样计算：设原始数据中某地物对象的一图形参数为pi，嵌入水印后为pi′，相应的保真度量化指标为μi，则μi根据以下公式计算：

[0044]

[0045] S112、针对不同地理特征类型及不同应用专题的矢量数据保真度侧重点不同，建立对应的保真度综合指标计算方法。

[0046] 首先确定参与计算的指标，指标的选取不仅需要考虑数据的地理语义特征及其对应的几何图形特征，更重要的是能否反映数据的应用需求特点，然后为每个指标设立权重，各指标的重要性视用户或特定的应用需要而确定，最后将各指标的加权平均值作为描述地理对象保真度的综合指标，可以表达为：

[0047] F(O)=∑wiμi

[0048] 式中：F(O)为地理对象O的保真度综合指标，wi为权重，且满足∑wi=1。

[0049] 如果把原始数据看作常量，水印版本数据看作变量，则保真度是水印版本数据的函数，可表达为：F(O)=Γ(x′)，其中x′是构成水印版本地理对象O的顶点序列。

[0050] S113、采用人工智能技术的产生式规则表示法将保真度描述知识形式化为保真度描述规则，建立知识规则库，存储不同地理语义特征的空间数据与保真度指标及各指标权重之间的对应关系。不同特征类型的地理数据或不同的数据应用需求启用规则库中不同的条件，从而完成应用知识规则的定制。知识规则的存储模式如表1-2所示。

[0051] 表1-2 知识规则存储模式表

[0052]

[0053] S12、根据所述保真度描述知识规则库建立水印载体模型；

[0054] 步骤S12具体为：

[0055] S121、根据原始数据的地理语义特征及数据应用需求，在保真度描述知识规则库中匹配找到最合适的保真度描述规则，得到描述指标及各指标权重。

[0056] 指标所描述的数据特征即为数据中的敏感特征，影响并决定数据的可用性，指标权重反映了敏感程度。可见，保真度描述指标及权重与矢量数据之间的关系正如人的视觉感知与影像等多媒体数据之间的关系类似。为了算法的鲁棒性，水印信息要求嵌入在应用敏感部位，但同时也会降低数据的保真度。

[0057] S122、选取权重值位于最大值与最小值之间的那些指标所涉及到的图形变量，对每个图形变量参与水印载体建模的程度用一个系数来模拟。并且，在所有参与水印载体建模的图形变量中，保真度权重较大的图形变量，给一个较小的系数，以减弱嵌入的水印信息对数据保真度的影响。水印载体定义为保真度指标图形参数的函数。同时，为了能够抵抗缩放、仿射变换等几何攻击，对参与水印载体建模的变量进行无量纲化处理。

[0058] 本发明中，水印载体是定义保真度指标的图形参数的函数，而图形参数是地理对象几何图形顶点序列x的函数，所以水印载体也是x的函数，可表达为v=g(x)。

[0059] S13、基于经典水印算法嵌入水印信息；

[0060] 步骤S13具体为：

[0061] S131、水印信息先进行BCH编码，然后作重复连接运算。

[0062] S132、根据数据地理语义特征和应用需求、保真度综合指标及水印载体模型确立求解算法类型及参数，建立相应算法库；

[0063] 求 解 过 程 为：设 水 印 载 体 为V=v1,...,vn，嵌 入 水 印 位 量 化 后 为V′=v1′,...,vn′。水印嵌入模型的求解可描述为：找到顶点序列x′，使得原始顶点序列x在数据容错范围τ内，可变换到x′，从而将v量化到相应区间得到v′，并且得到尽可能高的数据保真度。

[0064] 令 F(x′)=1-Γ(x′)，n为顶点序列的长度，则水印嵌入模型的求解可形式化描述为：

[0065] Minimize y=F(x′)

[0066] s.t.h(x′)≥0且kd≤g(x′)≤(k+1)d（k为整数，d为量化区间长度）[0067] 记满足上述约束条件的x′所形成的空间为Ω，求解过程可描述为，在Ω中找到* * * * *x，且对于x 不存在Δx，使得(x+Δx)∈Ω与F(x+Δx)≤F(x)能同时成立。

[0068] 可见，水印嵌入模型的求解是一个多目标优化模型。不同地理语义特征及应用需求的数据，保真度综合指标不一样，目标函数y=F(x′)也不同，对上述模型的求解算法侧重点有所不同，比如，如果是地籍数据，数据处理最好不降低多边形对象的面积精度；如果是居民地数据，最好不要破坏多边形对象的直角特点；如果是公路，最好保持线对象的长度不变，等等。

[0069] S133、对上述模型的求解算法按照类型及参数进行整理分类，建立方法库以供调用。

[0070] S134、在方法库中匹配最佳算法，组合建模，执行模型得到最优解，利用最优解修改数据以嵌入水印。

[0071] S14、提取水印信息；

[0072] 步骤S14具体为：

[0073] S141、先恢复出水印载体，基于经典水印算法量化调制模型从水印载体中提取出水印信息；

[0074] S142、对提取出的水印信息进行BCH解码，然后拆分成若干相等水印串。

[0075] S15、验证水印信息。

[0076] 步骤S15具体为：

[0077] S151、对拆分后的水印串采用投票机制，确定最终水印信息。

[0078] 步骤S151验证水印信息，需要计算WM（原始水印信息）与detect_WM（检测出的水印信息）的相关值。如果相关值大于预先确定的门限值，则可以基本断定被检测数据含有指定水印。

[0079] 本发明实施例通过直接对水印位进行比较来检测相关性。如果正确匹配的水印位数小于T（T如式1-3定义）或大于|WM|-T，|WM|为水印串长度，则可断定被检测数据含有指定水印。T根据误检率来确定，设误检率为α，则T由式1-3确定:

[0080] 式1-3

[0081] 其中，Bi-bit-match为匹配i个水印位的概率。根据经典水印算法及投票机制的原理，Bi-bit-match可按以下公式计算：

[0082]

[0083] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

[0084] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。