CN101458810A - 一种基于对象属性特征的矢量地图水印方法 - Google Patents

Abstract

本发明提供的是一种基于对象属性特征的矢量地图水印方法。通过用户输入生成待嵌入的水印编码，并根据水印容量定义由矢量对象组成的水印嵌入目标集合的规模；对于待嵌入水印的矢量地图，利用改进的网格密度空间聚类分析方法生成水印嵌入目标集合；在矢量地图的属性文件中查找嵌入目标集合内矢量对象对应的属性特征信息；根据步骤(1)中生成的水印信息，随机选取步骤(2)生成的水印嵌入目标集合内的矢量元素，向元素的属性坐标信息中嵌入水印编码；对由所有被嵌入水印标识的矢量对象序列所组成的向量进行置乱，并将迭代次数存储为密钥；读取矢量地图属性文件，利用水印检测程序提取水印信息，根据水印相似度判断地图载体的水印存在状况。

Description

一种基于对象属性特征的矢量地图水印方法

(一)技术领域

本发明涉及的是关于地图学及地理信息科学的信息处理方法，特别是一种矢量地图水印方法。

(二)背景技术

矢量数字地图是一种重要的有价值的信息资源，是地理信息系统、智能交通系统、Web地图服务等技术的核心组成部分。近年来，矢量地理空间数据在资源管理与配置，生态环境，商业及军事等领域得到广泛应用。由于矢量数字地图具有易于复制和传播特性，导致地图在分发和使用过程中存在着侵权、篡改等数据安全问题，特别是在军事及国防领域，其危害性日益严重。

数字水印技术是一种公认的能够实现数字产品版权保护及侵权鉴别的信息手段。数字水印技术的基本思想是通过在载体数据中嵌入水印编码信息，将水印隐藏于载体数据中，为承载水印标识的数字产品提高版权认定和内容完整性保护等服务。近年来，数字水印技术已在图像、视频，音频以及文本数据领域取得了相当多的研究成果。

对于矢量地图的数字水印技术的研究正逐步趋向成熟。目前，矢量地图数字水印算法主要包括两类：即空间域和频率域。空间域算法主要是采取在一定允许范围内移动矢量对象坐标来嵌入水印，算法实现简单，但鲁棒性较差，对地图精度影响较大，无法抵抗矢量数据压缩攻击；频率域算法通过离散余弦变换、傅立叶变换或小波变换等数学方法获得频域系数，通过调整频域系数来嵌入水印，该类算法较复杂，对地图精度有一定影响，仍无法抵抗矢量数据压缩攻击。从实用性角度来看，目前的矢量地图数字水印仍无法解决精度损失及抵抗矢量数据压缩攻击，缺乏安全性和实用性。

(三)发明内容

本发明的目的在于提供一种能保证矢量地图精度无损，能有效抵抗矢量数据压缩攻击，具有高鲁棒性、高安全性以及实用性的基于对象属性特征的矢量地图水印方法。

本发明的目的是这样实现的：

包括水印的嵌入和提取，其步骤包括：

1、一种基于对象属性特征的矢量地图水印方法，包括水印的嵌入和提取，其特征是：其步骤包括：

(1)通过用户输入生成待嵌入的水印编码，并根据水印容量定义由矢量对象组成的水印嵌入目标集合的规模；

(2)对于待嵌入水印的矢量地图，利用改进的网格密度空间聚类分析方法生成水印嵌入目标集合，主要包括聚类空间简化、聚类分析初始化、生成初始目标集合及确定水印嵌入目标集合；

(3)在矢量地图的属性文件中查找嵌入目标集合内矢量对象对应的属性特征信息；

(4)根据步骤(1)中生成的水印信息，随机选取步骤(2)生成的水印嵌入目标集合内的矢量元素，向元素对应的属性坐标信息中嵌入水印编码；

(5)将嵌入了水印信息的矢量对象所组成的向量序列进行置乱，并将迭代次数存储为密钥；

(6)读取矢量地图属性文件，利用水印检测程序提取水印信息，根据水印相似度判断地图载体的水印存在状况。

本发明还可以包括：

1、步骤(2)中，所述的改进的网格密度空间聚类分析方法使用的网格密度空间聚类分析方法的改进方法包括

A聚类分析初始化：首先设定网格步长及属性密度阈值；在没有用户推荐的情况下，拓扑空间的平均属性密度阈值可以作为评价标准：

Davg＝(n+l+c)/3×(N/M)

式中，Davg为平均属性密度，n，l，c分别代表孤立结点，线结点和区域结点的属性熵值，N为聚类空间规模，M为网格数。传统的密度阈值仅以网格内结点分布情况来考查集簇的密集性，文发明提出的属性密度阈值结合结点属性特征(属性熵值)，来表示结点的密度权重。孤立结点的属性熵值最大，线结点中端点的熵值要大于其它结点，而区域结点的熵值则均等。

B生成初始目标集合：通过聚类分析方法可获得数目不等的集簇，选取密度差异值最小的结点为密度中心，密度差异值的定义为：

$\mathrm{Mavg}=|A_i\×D_i-\underset{j=1}{\overset{k}{\mathrm{\Σ}}}(A_i\×D_j-\mathrm{Davg})/K\×S^2|$

式中Mavg为密度差异，D_i为某集簇的第i个结点，A_i为结点的属性熵值，Davg为平均属性密度，K为该集簇的结点数目，S表示网格步长。每个集簇只有一个密度中心。根据各结点到密度中心的相对距离，从每个集簇中选择一定数量的距离密度中心较近的结点做为初始目标集合的元素。按照距离度量方式，计算集簇内每个结点到密度中心的距离：

$\mathrm{Dis}\tan \mathrm{ce}(x,C)=A_x\×\sqrt{x^2+C^2}$

式中x为考察结点，C为密度中心，A_x为考察结点的属性熵值。Distance(x，C)为评价标准，距离密度中心越小表明该结点被选定概率越大。

C确定水印嵌入目标集合，根据Distance(x，C)值，不断剔除初始目标集合中的结点并不断重新计算集合的密度中心，当集合的元素个数等于水印编码长度l时，则算法终止，如图1(d)所示。通过本发明中改进的网格密度空间聚类分析方法获得的水印嵌入目标集合内各矢量元素均具有较高的不可去除性，同未选取结点相比，集合内元素对矢量地图的内容完整和正常使用提供更大比重的支持。

2、步骤(3)中，矢量对象包括孤立结点，线结点以及区域结点三类。属性文件由大小为512或1024字节的数据块组成，各种数据块完整地描述了矢量对象的名称、类型、位置以及索引等信息。

3、步骤(4)中，对于嵌入目标集合内的矢量对象，以坐标形式表示该对象为(x_i，y_i)，约定(x_i，y_i)至多复合4比特编码，x_i表示水印编码类型，即[0]或[1]；yi表示相应编码类型的嵌入数量；以算符“

”表示编码的连接操作，若

则若

则

其中，k为y_i嵌入x_i所定义比特编码类型的数量(k≤4)。嵌入方式为：

任取一矢量元素V_i，在矢量地图的属性文件信息中，根据矢量元素V_i的ID号获得对应的属性特征。

a按水印编码顺序，获得连续的比特值相同的水印编码s位。

b令V_i的x_i坐标表示比特类型，即嵌入的是水印编码为[0]或[1]；y_i表示相应比特类型嵌入数量。v_i的位置特征(x_i，y_i)只嵌入连续的同一类型的编码，且至多复合4比特，若取得的s>4，则另从目标集合中任取一矢量元素v_i+1，嵌入余下的s-4位水印信息。

c以符号

表示编码的连接复合操作，若

则

若

则

其中，t为y_i嵌入x_i所约定类型的编码数量(t≤4)。

d将所有嵌入水印信息的矢量对象组成向量V，V＝[v₁，v₂，...，v_n]^T，将向量V经过Arnold置乱，且迭代次数k同生成水印信息的迭代次数。A^T＝Arnold(V，k)。将A^T& k作为密钥，传递给水印检测及认证机构。

4、步骤(5)中，嵌入水印信息的对象序列为向量N₀＝[n₁，n₂，...，n_i]^T，为保证水印安全性，对N₀进行Arnold置乱：N′＝Arnold(N₀，k)，式中N′为置乱后输出编码，k为迭代次数，作为水印检测密钥保存。

5、步骤(6)中，由密钥k及字符串N′，重新生成向量N₀，根据N₀所保存的对象ID序列，在属性空间中可检测到水印编码W_t；当携带水印编码的地图遭受攻击后，一些结点可能被去除，水印编码会出现不一致情况，提出水印相似度计算方法进行版权判定；

$\mathrm{Sim}\left({W,W}_t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}<W_i,W_{t_i}>/N$

W为原始水印，W_t为检测出的水印。N为水印容量，当对应位置数值相同时， $<W_i,W_{t_i}>=1;$ 若

为空或数值不同， $<W_i,W_{t_i}>=0.$

本发明基于矢量对象属性特征矢量地图无损水印方法结合矢量地图自身两大关键特性：高精度要求及复杂矢量数据压缩，使水印方法在保证高鲁棒性及安全性的前提下，具有以下优点：

1.利用对象位置属性信息，对坐标值进行编码连接复合保证了水印嵌入过程对地图精度零损伤；

2.用属性文件作为嵌入载体，使得方法对地图图像的几何变换等多种攻击方式具有较高的抵抗能力；

3.采用改进的网格密度空间聚类分析方法寻找矢量对象嵌入目标，提高了水印抵抗复杂的矢量数据压缩攻击的能力；

4.水印编码长度决定水印嵌入目标群规模，使得嵌入强度可根据水印容量进行自适应调整。

(四)附图说明

图1(a)-图1(e)为生成嵌入目标群的示意图；

图2为基于对象属性特征的矢量地图水印方法流程图；

图3为水印生成程序界面；

图4为水印嵌入程序界面；

图5为水印提取和检测程序界面；

图6(a)-图6(h)为8种几何剪切攻击模式的示意图。

(五)具体实施方式

下面结合附图举例对本发明做更详细地描述：

如图1所示，本发明的基于对象属性特征的矢量地图水印方法，以MapX在VC.NET环境的矢量地图为例，主要包括两个方面：1.水印标识嵌入和提取方法；2.、水印提取和检测算法与处理方法。

1.水印标识嵌入和提取方法：

(1)由用户自定义生成水印编码

利用本发明的水印生成界面，如图3所示，可根据用户署名信息、日期、任选灰度图象转换成二值序列以及个性化信息形成二进制编码，对编码进行Arnold置乱，并将迭代次数k作为密钥保留。根据水印编码的长度确定水印嵌入目标集合的规模。已知一个对象至少能够嵌入一比特水印编码，所以对于容量为l的水印编码，至多需要l个矢量对象，为了保证目标集合的最优性，初始目标集合的规模为n，n>l。

(2)利用改进的网格密度空间聚类分析方法确定嵌入目标集合

a聚类空间简化矢量地图约包含14类图层，去掉各种图形图像形式的渲染图层，将矢量地图简化为单一的拓扑关系，可以获得更可靠的聚类结果。在聚类分析前，本文发明首先将所有附属的图层全部过滤掉，只保留点与线之间的单一关系，如图1(a)所示。

b聚类分析初始化本文发明首先设定网格步长及属性密度阈值；在没有用户推荐的情况下，拓扑空间的平均属性密度阈值可以作为评价标准：

Davg＝(n+l+c)/3×(N/M)

式中，Davg为平均属性密度，n，l，c分别代表孤立结点，线结点和区域结点的属性熵值，N为聚类空间规模，M为网格数。传统的密度阈值仅以网格内结点分布情况来考查集簇的密集性，本文发明提出的属性密度阈值结合结点属性特征(属性熵值)，来表示结点的密度权重。孤立结点的属性熵值最大，线结点中端点的熵值要大于其它结点，而区域结点的熵值则均等。

c生成初始目标集合通过本文发明的聚类分析方法可获得数目不等的集簇，如图1(b)所示，选取密度差异值最小的结点为密度中心，如图1(c)所示，密度差异值的定义为：

$\mathrm{Mavg}=|A_i\&times;D_i-\underset{j=1}{\overset{k}{\mathrm{\&Sigma;}}}(A_i\&times;D_j-\mathrm{Davg})/K\&times;S^2|$

式中Mavg为密度差异，D_i为某集簇的第i个结点，A_i为结点的属性熵值，Davg为平均属性密度，K为该集簇的结点数目，S表示网格步长。每个集簇只有一个密度中心。根据各结点到密度中心的相对距离，从每个集簇中选择一定数量的距离密度中心较近的结点做为初始目标集合的元素。按照距离度量方式，计算集簇内每个结点到密度中心的距离：

$\mathrm{Dis}\tan \mathrm{ce}(x,C)=A_x\&times;\sqrt{x^2+C^2}$

式中x为考察结点，C为密度中心，A_x为考察结点的属性熵值。Distance(x，C)为评价标准，距离密度中心越小表明该结点被选定概率越大。

d确定水印嵌入目标集合如图1(d)所示，根据Distance(x，C)值，不断剔除初始目标集合中的结点并不断重新计算集合的密度中心，当集合的元素个数等于水印编码长度l时，则算法终止，如图1(d)所示。通过本发明中改进的网格密度空间聚类分析方法获得的水印嵌入目标集合内各矢量元素均具有较高的不可去除性，同未选取结点相比，集合内元素对矢量地图的内容完整和正常使用提供更大比重的支持。

(3)对于步骤(2)的水印嵌入目标集合，任取一矢量元素V_i，在矢量地图的属性文件信息中，根据矢量元素V_i的ID号获得对应的属性特征，通过对其位置属性坐标(x_i，y_i)进行坐标值0比特连接的方式步骤(1)中生成的水印信息。

a按水印编码顺序，获得连续的比特值相同的水印编码s位。

b令V_i的x_i坐标表示比特类型，即嵌入的是水印编码为[0]或[1]；y_i表示相应比特类型嵌入数量。v_i的位置特征(x_i，y_i)只嵌入连续的同一类型的编码，且至多复合4比特，若取得的s>4，则另从目标集合中任取一矢量元素v_i+1，嵌入余下的s-4位水印信息。

c以符号表示编码的连接复合操作，若

则

若

则

其中，t为y_i嵌入x_i所约定类型的编码数量(t≤4)。

d将所有嵌入水印信息的矢量对象组成向量V，V＝[v₁，v₂，...，v_n]^T，将向量V经过Arnold置乱，且迭代次数k同生成水印信息的迭代次数。A^T＝Arnold(V，k)。将A^T&k作为密钥，传递给水印检测及认证机构。

如图3所示，利用该水印嵌入界面直接完成水印嵌入矢量地图属性信息的过程。

2.水印提取和检测算法与处理方法

(4)如图5所示，利用水印提取和检测单元可对含有水印信息的矢量地图进行水印存在性检测及水印内容提取，对于被攻击及经过变换的地图，还可以通过计算机水印相似度，进行相似度检测，其具体包括以下步骤：

a分解信息A^T&k，计算B^T＝Arnold(A^T，T-k)＝V，顺序读取矢量对象v_i，根据水印嵌入时比特位的复合规则，将从每个矢量对象读取到的水印编码依次连接起来。

b对获得的水印编码，应用Arnold置乱，迭代次数为迭代周期T-k。得到检测水印W_t。

c当携带水印信息的地图遭受攻击或变换后，一些矢量对象可能被去除，水印信息会出现不一致情况，因此，首先应计算水印的相似度：

$\mathrm{Sim}\left({W,W}_t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}<W_i,W_{t_i}>/N$

式中W为原始水印，W_t为检测出的水印。N为水印容量，当对应位置数值相同时， $<W_i,W_{t_i}>=1;$ 若

为空，或数值不同，则 $<W_i,W_{t_i}>=0.$ 由检出水印同原水印的相似程度，做版权的最终判定依据。

为了验证本发明的可靠性，特别利用本发明提供的矢量地图水印算法进行了以下各种实验。利用自行开发的基于MapX插件形式的VC.NET矢量地图编辑程序，设定用户信息为“HARBINGONGCHENGDAXUE”，即“哈尔滨工程大学”的汉语拼音，日期选择为“20081010”，个性化信息为“SHUIYINSUANFACESHI”，同时选定一幅8×8的灰度图象作为综合综合水印，构成3085位编码长度的水印标识。

鲁棒性分析将典型的空域水印算法以及DFT水印算法分别予以实现，在保证相同的嵌入率的情况下，同本发明的水印方法一起进行测试：数据压缩攻击，采用经典的道格拉斯-普克压缩算法(DP算法)，压缩比例选定为0.4；剪切攻击，八种方式如图6所示；扭曲变形以及噪声攻击(α＝50)。评价指标为误码率，其定义为在水印的实现过程中，接收的信息发生错误的概率，若为 $p,(0<p<\frac{1}{2})$ 则正确接收的概率为1-p，即信息接收前后不相同的概率是p，p称为误码率.从实验结果中得到：本发明的方法各项指标都优于空域和DFT频域水印算法。特别是数据压缩攻击，本发明方法的误码率约为空域算法的1/10，频域算法的1/8。

表1

安全性分析保证水印信息不被非法提取和检测，关系到水印的实际应用效果，本方明的水印方法将所有嵌入水印信息的矢量结点ID序列添加到向量V中，并将向量V转化为二进制字符串采用Arnold置乱的方式进行数据加密。

对于编码长度为l的水印标识，攻击者在截获到密钥信息A^T的情况下，其付出的攻击代价为2^N×k！×l！。而在正常情况下，我们只需迭代2(T-k)次就可以得到原始的水印信息，可以2^N×k！×l！>>2(T-k)，在这样高昂的攻击代价下，本发明的水印方法的安全性得到了保证。

综上所述，利用对矢量结点的位置属性，坐标值“0比特复合”的嵌入方式达到了地图精度无损的目标；将属性文件作水印标识的载体，使本发明对几何变换等多种攻击方式具有较高的抵抗能力；采用改进的网格空间聚类分析方法得到的矢量对象作为嵌入目标，提高了抵抗矢量数据压缩攻击的能力；利用相似度判定原则，在部分水印编码丢失的情况下，仍能确证水印的有效性。

如图1所示，本发明的基于对象属性特征的矢量地图水印方法，以MapX在VC.NET环境的矢量地图为例，主要包括两个方面：1.水印标识嵌入和提取方法；2.、水印提取和检测算法与处理方法。

1.水印标识嵌入和提取方法：

(1)由用户自定义生成水印编码

利用本发明的水印生成界面，如图3所示，可根据用户署名信息、日期、任选灰度图象转换成二值序列以及个性化信息形成二进制编码，对编码进行Arnold置乱，并将迭代次数k作为密钥保留。根据水印编码的长度确定水印嵌入目标集合的规模。已知一个对象至少能够嵌入一比特水印编码，所以对于容量为l的水印编码，至多需要l个矢量对象，为了保证目标集合的最优性，初始目标集合的规模为n，n>l。

(2)利用改进的网格密度空间聚类分析方法确定嵌入目标集合

a聚类空间简化矢量地图约包含14类图层，去掉各种图形图像形式的渲染图层，将矢量地图简化为单一的拓扑关系，可以获得更可靠的聚类结果。在聚类分析前，本文发明首先将所有附属的图层全部过滤掉，只保留点与线之间的单一关系，如图1(a)所示。

b聚类分析初始化本文发明首先设定网格步长及属性密度阈值；在没有用户推荐的情况下，拓扑空间的平均属性密度阈值可以作为评价标准：

Davg＝(n+l+c)/3×(N/M)

式中，Davg为平均属性密度，n，l，c分别代表孤立结点，线结点和区域结点的属性熵值，N为聚类空间规模，M为网格数。传统的密度阈值仅以网格内结点分布情况来考查集簇的密集性，本文发明提出的属性密度阈值结合结点属性特征(属性熵值)，来表示结点的密度权重。孤立结点的属性熵值最大，线结点中端点的熵值要大于其它结点，而区域结点的熵值则均等。

c生成初始目标集合通过本文发明的聚类分析方法可获得数目不等的集簇，如图1(b)所示，选取密度差异值最小的结点为密度中心，如图1(c)所示，密度差异值的定义为：

$\mathrm{Mavg}=|A_i\&times;D_i-\underset{j=1}{\overset{k}{\mathrm{\&Sigma;}}}(A_i\&times;D_j-\mathrm{Davg})/K\&times;S^2|$

式中Mavg为密度差异，D_i为某集簇的第i个结点，A_i为结点的属性熵值，Davg为平均属性密度，K为该集簇的结点数目，S表示网格步长。每个集簇只有一个密度中心。根据各结点到密度中心的相对距离，从每个集簇中选择一定数量的距离密度中心较近的结点做为初始目标集合的元素。按照距离度量方式，计算集簇内每个结点到密度中心的距离：

$\mathrm{Dis}\tan \mathrm{ce}(x,C)=A_x\&times;\sqrt{x^2+C^2}$

式中x为考察结点，C为密度中心，A_x为考察结点的属性熵值。Distance(x，C)为评价标准，距离密度中心越小表明该结点被选定概率越大。

d确定水印嵌入目标集合如图1(d)所示，根据Distance(x，C)值，不断剔除初始目标集合中的结点并不断重新计算集合的密度中心，当集合的元素个数等于水印编码长度l时，则算法终止，如图1(d)所示。通过本发明中改进的网格密度空间聚类分析方法获得的水印嵌入目标集合内各矢量元素均具有较高的不可去除性，同未选取结点相比，集合内元素对矢量地图的内容完整和正常使用提供更大比重的支持。

(3)对于步骤(2)的水印嵌入目标集合，任取一矢量元素V_i，在矢量地图的属性文件信息中，根据矢量元素V_i的ID号获得对应的属性特征，通过对其位置属性坐标(x_i，y_i)进行坐标值0比特连接的方式步骤(1)中生成的水印信息。

a按水印编码顺序，获得连续的比特值相同的水印编码s位。

b令V_i的x_i坐标表示比特类型，即嵌入的是水印编码为[0]或[1]；y_i表示相应比特类型嵌入数量。v_i的位置特征(x_i，y_i)只嵌入连续的同一类型的编码，且至多复合4比特，若取得的s>4，则另从目标集合中任取一矢量元素v_i+1，嵌入余下的s-4位水印信息。

c以符号

表示编码的连接复合操作，若

则若

则

其中，t为y_i嵌入x_i所约定类型的编码数量(t≤4)。

d将所有嵌入水印信息的矢量对象组成向量V，V＝[v₁，v₂，...，v_n]^T，将向量V经过Arnold置乱，且迭代次数k同生成水印信息的迭代次数。A^T＝Arnold(V，k)。将A^T&k作为密钥，传递给水印检测及认证机构。

如图3所示，利用该水印嵌入界面直接完成水印嵌入矢量地图属性信息的过程。

2.水印提取和检测算法与处理方法

(4)如图5所示，利用水印提取和检测单元可对含有水印信息的矢量地图进行水印存在性检测及水印内容提取，对于被攻击及经过变换的地图，还可以通过计算机水印相似度，进行相似度检测，其具体包括以下步骤：

a分解信息A^T& k，计算B^T＝Arnold(A^T，T-k)＝V，顺序读取矢量对象v_i，根据水印嵌入时比特位的复合规则，将从每个矢量对象读取到的水印编码依次连接起来。

b对获得的水印编码，应用Arnold置乱，迭代次数为迭代周期T-k。得到检测水印W_t。

c当携带水印信息的地图遭受攻击或变换后，一些矢量对象可能被去除，水印信息会出现不一致情况，因此，首先应计算水印的相似度：

$\mathrm{Sim}\left({W,W}_t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}<W_i,W_{t_i}>/N$

式中W为原始水印，W_t为检测出的水印。N为水印容量，当对应位置数值相同时， $<W_i,W_{t_i}>=1;$ 若

为空，或数值不同，则 $<W_i,W_{t_i}>=0.$ 由检出水印同原水印的相似程度，做版权的最终判定依据。

为了验证本发明的可靠性，特别利用本发明提供的矢量地图水印算法进行了以下各种实验。利用自行开发的基于MapX插件形式的VC.NET矢量地图编辑程序，设定用户信息为“HARBINGONGCHENGDAXUE”，即“哈尔滨工程大学”的汉语拼音，日期选择为“20081010”，个性化信息为“SHUIYINSUANFACESHI”，同时选定一幅8×8的灰度图象作为综合综合水印，构成3085位编码长度的水印标识。

鲁棒性分析将典型的空域水印算法以及DFT水印算法分别予以实现，在保证相同的嵌入率的情况下，同本发明的水印方法一起进行测试：数据压缩攻击，采用经典的道格拉斯-普克压缩算法(DP算法)，压缩比例选定为0.4；剪切攻击，八种方式如图6所示；扭曲变形以及噪声攻击(α＝50)。评价指标为误码率，其定义为在水印的实现过程中，接收的信息发生错误的概率，若为 $p,(0<p<\frac{1}{2})$ 则正确接收的概率为1-p，即信息接收前后不相同的概率是p，p称为误码率.从实验结果中得到：本发明的方法各项指标都优于空域和DFT频域水印算法。特别是数据压缩攻击，本发明方法的误码率约为空域算法的1/10，频域算法的1/8。

安全性分析保证水印信息不被非法提取和检测，关系到水印的实际应用效果，本方明的水印方法将所有嵌入水印信息的矢量结点ID序列添加到向量V中，并将向量V转化为二进制字符串采用Arnold置乱的方式进行数据加密。

对于编码长度为l的水印标识，攻击者在截获到密钥信息A^T的情况下，其付出的攻击代价为2^N×k！×l！。而在正常情况下，我们只需迭代2(T-k)次就可以得到原始的水印信息，可以2^N×k！×l！>>2(T-k)，在这样高昂的攻击代价下，本发明的水印方法的安全性得到了保证。

综上所述，利用对矢量结点的位置属性的坐标值“0比特复合”的嵌入方式达到了地图精度无损的目标；将属性文件作水印标识的载体，使本发明对几何变换等多种攻击方式具有较高的抵抗能力；采用改进的网格空间聚类分析方法得到的矢量对象作为嵌入目标，提高了抵抗矢量数据压缩攻击的能力；利用相似度判定原则，在部分水印编码丢失的情况下，仍能确证水印的有效性。

Claims (6)

1、一种基于对象属性特征的矢量地图水印方法，包括水印的嵌入和提取，其特征是：其步骤包括：

(1)通过用户输入生成待嵌入的水印编码，并根据水印容量定义由矢量对象组成的水印嵌入目标集合的规模；

(2)对于待嵌入水印的矢量地图，利用改进的网格密度空间聚类分析方法生成水印嵌入目标集合，主要包括聚类空间简化、聚类分析初始化、生成初始目标集合及确定水印嵌入目标集合；

(3)在矢量地图的属性文件中查找嵌入目标集合内矢量对象对应的属性特征信息；

(4)根据步骤(1)中生成的水印信息，随机选取步骤(2)生成的水印嵌入目标集合内的矢量元素，向元素对应的属性坐标信息中嵌入水印编码；

(5)将嵌入了水印信息的矢量对象所组成的向量序列进行置乱，并将迭代次数存储为密钥；

(6)读取矢量地图属性文件，利用水印检测程序提取水印信息，根据水印相似度判断地图载体的水印存在状况。

2、根据权利要求1所述的一种基于对象属性特征的矢量地图水印方法，其特征是：步骤(2)中，所述的改进的网格密度空间聚类分析方法使用的网格密度空间聚类分析方法的改进方法包括

A聚类分析初始化：首先设定网格步长及属性密度阈值；在没有用户推荐的情况下，拓扑空间的平均属性密度阈值作为评价标准：

Davg＝(n+l+c)/3×(N/M)

式中，Davg为平均属性密度，n，l，c分别代表孤立结点，线结点和区域结点的属性熵值，N为聚类空间规模，M为网格数；

B生成初始目标集合：通过聚类分析方法可获得数目不等的集簇，选取密度差异值最小的结点为密度中心，密度差异值的定义为：

$\mathrm{Mavg}=|A_i\&times;D_i-\underset{j=1}{\overset{k}{\mathrm{\&Sigma;}}}(A_i\&times;D_j-\mathrm{Davg})/K\&times;S^2|$

式中Mavg为密度差异，D_i为某集簇的第i个结点，A_i为结点的属性熵值，Davg为平均属性密度，K为该集簇的结点数目，S表示网格步长；每个集簇只有一个密度中心，根据各结点到密度中心的相对距离，从每个集簇中选择一定数量的距离密度中心较近的结点做为初始目标集合的元素，按照距离度量方式，计算集簇内每个结点到密度中心的距离：

$\mathrm{Dis}\tan \mathrm{ce}(x,C)=A_x\&times;\sqrt{x^2+C^2}$

式中x为考察结点，C为密度中心，A_x为考察结点的属性熵值，Distance(x，C)为评价标准，距离密度中心越小表明该结点被选定概率越大；

C确定水印嵌入目标集合，根据Distance(x，C)值，不断剔除初始目标集合中的结点并不断重新计算集合的密度中心，当集合的元素个数等于水印编码长度l时，则算法终止；通过改进的网格密度空间聚类分析方法获得的水印嵌入目标集合内各矢量元素均具有较高的不可去除性，同未选取结点相比，集合内元素对矢量地图的内容完整和正常使用提供更大比重的支持。

3、根据权利要求2所述的一种基于对象属性特征的矢量地图水印方法，其特征是：步骤(3)中，矢量对象包括孤立结点，线结点以及区域结点三类；属性文件由大小为512或1024字节的数据块组成，各种数据块完整地描述了矢量对象的名称、类型、位置以及索引等信息。

4、根据权利要求3所述的一种基于对象属性特征的矢量地图水印方法，其特征是：步骤(4)中，对于嵌入目标集合内的矢量对象，以坐标形式表示该对象为(x_i，y_i)，约定(x_i，y_i)至多复合4比特编码，x_i表示水印编码类型，即[0]或[1]；y_i表示相应编码类型的嵌入数量；以算符“

”表示编码的连接操作，若

则若

则

其中，k为y_i嵌入x_i所定义比特编码类型的数量(k≤4)；嵌入方式为：

任取一矢量元素V_i，在矢量地图的属性文件信息中，根据矢量元素V_i的ID号获得对应的属性特征；

a按水印编码顺序，获得连续的比特值相同的水印编码s位；

b令V_i的x_i坐标表示比特类型，即嵌入的是水印编码为[0]或[1]；y_i表示相应比特类型嵌入数量，v_i的位置特征(x_i，y_i)只嵌入连续的同一类型的编码，且至多复合4比特，若取得的s>4，则另从目标集合中任取一矢量元素v_i+1，嵌入余下的s-4位水印信息；

c以符号“”表示编码的连接复合操作，若

则

若

则

其中，t为y_i嵌入x_i所约定类型的编码数量(t≤4)；

d将所有嵌入水印信息的矢量对象组成向量V，V＝[v₁，v₂，...，v_n]^T，将向量V经过Arnold置乱，且迭代次数k同生成水印信息的迭代次数；A^T＝Arnold(V，k)。将A^T & k作为密钥，传递给水印检测及认证机构。

5、根据权利要求4所述的一种基于对象属性特征的矢量地图水印方法，其特征是：步骤(5)中，嵌入水印信息的对象序列为向量N₀＝[n₁，n₂，...，n_i]^T，对N₀进行Arnold置乱：N′＝Arnold(N₀，k)，式中N′为置乱后输出编码，k为迭代次数，作为水印检测密钥保存。

6、根据权利要求5所述的一种基于对象属性特征的矢量地图水印方法，其特征是：步骤(6)中，由密钥k及字符串N′，重新生成向量N₀，根据N₀所保存的对象ID序列，在属性空间中可检测到水印编码W_t；当携带水印编码的地图遭受攻击后，一些结点可能被去除，水印编码会出现不一致情况，提出水印相似度计算方法进行版权判定；

$\mathrm{Sim}(W,W_t)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}<W_i,W_{t_i}>/N$

W为原始水印，W_t为检测出的水印，N为水印容量，当对应位置数值相同时， $<W_i,W_{t_i}>=1$ ；若

为空或数值不同， $<W_i,W_{t_i}>=0$ 。

Images