基于虚拟区间映射和扰动可控的矢量地图可逆水印算法

在大多数矢量地图可逆水印算法中,水印的宿主顶点之间往往存在强关联性,致使算法对顶点增删类的攻击不具有鲁棒性。针对上述问题,该文以量化索引调制为基础思想,结合伪随机映射算法,设计一种鲁棒性强且扰动可控的矢量地图可逆水印算法。首先,根据数据的精度容差构建虚拟区间作为水印的隐藏域,并利用容差限制顶点的移动范围;其次,利用要素内相邻顶点的参考距离作为伪随机种子,生成一个伪随机数计算水印信息,以此降低顶点间的相关性;最后,通过设置嵌入强度定义多个子区间,根据水印信息调制坐标点的子区间位置,实现大容量水印嵌入,并计算所有顶点的平均坐标值作为密钥,以确保水印可逆提取的准确性。实验结果显示,该算法对顶点增删、要素增删及地图裁剪、简化、平移、缩放等攻击具有很好的抵抗性,同时能确保扰动程度处于可控范围内。

基于AHP-模糊综合评价与BP神经网络的含水印矢量地图保真度评价方法

数字水印是矢量地图安全防护的前沿技术,但水印嵌入会影响地图质量。现有研究通常依赖视觉观测和误差分析判断含水印矢量地图的保真度或水印不可见性,忽略矢量地图本质特征,导致评价结果不精准。该文提出一种基于模糊神经网络与层次分析法的含水印矢量地图保真度评价方法,根据指标的不确定性和重要性构建含水印矢量地图保真度综合评价模型,综合考虑拓扑质量、几何特征和坐标误差等关键要素,通过模糊综合评价和BP神经网络的主客观权重优化,提高评价的准确性和客观性。该方法得出的含水印矢量地图保真度评价结果能更全面、准确地反映数据实际情况,较传统误差分析方法更科学合理;该方法可针对不同的应用场景和需求,根据不同数据集的特点调整水印算法的参数,为平衡水印算法的综合性能提供依据。