CN103559452A - 一种高程数据脱密与恢复方法 - Google Patents

Abstract

本发明公开了一种基于线性与非线性混合模型的高程数据脱密与恢复处理办法，包括如下过程：（1）针对高程数据的脱密处理过程，包括非线性变换参数生成、线性参数生成、密钥保存、原始高程数据脱密处理等步骤；（2）针对脱密后高程数据的恢复处理过程，包括密钥读取、脱密后高程数据恢复等步骤。本发明的方法能有效保障高程数据的安全，同时维持高程数据的相对位置关系基本不变，为国民经济建设中高程数据的使用提供有效的技术手段。

Description

一种高程数据脱密与恢复方法

技术领域

本发明属于地理信息安全领域，具体涉及一种基于线性与非线性混合模型进行高程数据的脱密与恢复的方法。

背景技术

高程数据是国家机密数据，事关国家安全，在全球信息化的大趋势下，高程数据安全保护问题越来越突出。根据国家相关法律法规，公开地图的位置精度不高于50m，等高距不小于50m，数字高程模型格网不小于100m；相关文献中也提到地形景观与特征、图幅的最高点、主要山峰等制高点的地理位置及高程、冲沟比高、陡崖比高等影响较大的地貌信息应删除；某些地方数据标准中要求高程涉密图层如等高线、高程点等涉密图层信息应进行屏蔽处理，不予显示。目前，我国对高程数据的处理多数是进行删除，不对外发布。而一些对外公布的高程数据不统一、不准确、甚至相差很多，不利于国民经济建设中重要地理信息数据的使用。

发明内容

本发明的目的在于：针对高程数据的特点，提出一种线性与非线性混合模型对高程数据进行脱密与恢复处理的方法，具有随机性、可逆性和难以破解等特点。

为了实现上述目的，本发明采取的技术方案：

一种高程数据脱密与恢复方法，包括如下过程：

（一）高程数据的脱密过程

步骤11：确定脱密变换量

输入高程数据总体变换量sumpara和非线性变换量nonlinear，其中，0<nonlinear<=sumpara；

步骤12：确定高程数据范围

打开原始高程数据H，获取其最小外接矩形R，其中，R左下角坐标为（x_min，y_min），右上角坐标为（x_max，y_max）；

步骤13：计算非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅、非线性变换缩放系数scale和线性变换量linear，具体步骤如下：

a）获取高程点数据，设高程点集合为Points={(Px_i,Py_i,Pz_i)|i=1，2，．．．，k}，其中k为高程点个数；

b）判断高程点数量，如果k<6，则返回错误，否则根据公式（1）对高程点集合Points进行最小二乘解算，得到非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅；

Pz_i=a₀+a₁Px_i+a₂Py_i+a₃Px_i ²+a₄Px_iPy_i+a₅Py_i ²    （1）

c）在最小外接矩形R范围内生成m*n个均匀样本点组成样本点集合SamplePoints={(Sx_j,Sy_j)|j=1，2，．．．，num}，其中m是X方向样本点数量，n是Y方向样本点数量，m>=3，n>=3，num=m*n，根据公式（2）和非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅计算样本点高程值，得到三维样本点集合SamplePoints={(Sx_j,Sy_j,Sz_j)|j=1，2，．．．，num}；

Sz_j=a₀+a₁Sx_j+a₂Sy_j+a₃Sx_j ²+a₄Sx_jSy_j+a₅Sy_j ²    （2）

d）遍历三维样本点集合SamplePoints，获取其高程值中的最大值hMax和最小值hMin，根据公式（3）计算高程非线性变换放大或缩小倍数scale，

scale=nonlinear/（hMax-hMin）    （3）

e）遍历三维样本点集合SamplePoints，根据公式（4）计算每个样本点新的高程值，生成新的三维样本点集合SamplePoints’={(Sx_j,Sy_j,Sz_j’)|j=1，2，．．．，num}，

Sz_j’=Sz_j*scale    （4）

f）根据公式（5）计算高程线性变换量linear，

$\mathrm{linear}=\mathrm{sumpara}-\underset{j=0}{\overset{\mathrm{num}}{\mathrm{\&Sigma;}}}{{\mathrm{Sz}}_j}^{\&prime;}/\mathrm{num}---\left(5\right)$

步骤14：修改原始数据高程值，具体步骤如下：

a）根据公式（6）和非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅计算利用原始高程点拟合的高程值Pz_i’；

Pz_i’=a₀+a₁Px_i+a₂Py_i+a₃Px_i ²+a₄Px_iPy_i+a₅Py_i ²    （6）

b）根据公式（7）计算脱密后高程点集合Points中高程值Pzi”，生成脱密后的高程点集合Points’={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，k}；

Pz_i″=Pz_i+Pz_i′*scale+linear    （7）

步骤15：根据公式（8）计算高程脱密中误差RMSE，

$\mathrm{RMSE}=\sqrt{\underset{i=0}{\overset{k}{\mathrm{\&Sigma;}}}{({{\mathrm{Pz}}_i}^{\&prime;\&prime;}-{\mathrm{Pz}}_i)}^2/\mathrm{num}}---\left(8\right)$

步骤16：保存脱密后的高程数据DH，非线性变换参数a₀-a₅及非线性变换放大或缩小倍数scale、线性变换量linear，并组成密钥Key，使用DES对称加密算法对密钥Key进行加密并存入密钥文件Key.txt；

（二）脱密后高程数据的恢复过程

步骤21：读取密钥文件Key.txt，使用DES算法解密后提取密钥Key；

步骤22：打开脱密后的高程数据DH，获取脱密后的高程点集合Points’={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，k}，根据密钥中非线性变换参数a₀-a₅和公式（6）计算利用高程点拟合的高程值Pz_i’；

步骤23：根据公式（9）及密钥和生成的高程值Pz_i’计算每个高程点恢复后的高程值Pz_i，生成恢复后的高程点集合Points={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，k}，

Pz_i=Pz_i″-Pz_i′*scale-linear    （9）

步骤24：保存恢复后的高程数据RH。

本发明提出了一种基于线性与非线性混合模型对高程数据进行脱密与恢复处理。本方法针对高程数据的安全保护问题，可对高程数据进行脱密并生成密钥，脱密后的高程数据依据密钥可进行无损恢复。本方法具有随机性、渐变性、可逆性等特点，提高了高程数据脱密的可靠性，完善了地理信息安全保护的理论与方法体系，可用于高程数据的公开发布等方面。

附图说明

图1是本发明技术中高程数据脱密流程图；

图2是本发明技术中脱密后高程数据的恢复流程图；

图3是本发明实施例选用的原始高程数据；

图4是本发明实施例中原始高程数据和脱密后高程数据叠加的效果图。

具体实施方式

下面结合附图和实施例，对本发明做进一步详细说明。

本实施例选择存储高程信息的shp格式数据，对此高程数据进行读取、脱密与恢复操作，进一步详细说明本发明。本实施例选择某一地区的高程数据（如图3）作为原始高程数据，包括以下步骤：

（一）高程数据的脱密过程

步骤11：确定脱密变换量，输入高程数据总体变换量sumpara=50，非线性变换量nonlinear=20。

步骤12：确定高程数据范围。

打开原始高程数据H，获取其最小外接矩形R，R左下角坐标为（141577.585，155000.146），右上角坐标为（141998.033，155110.818）。

步骤13：计算非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅，非线性变换缩放系数scale和线性变换量linear，具体步骤如下：

a）获取高程点数据，设高程点集合为Points={(Px_i,Py_i,Pz_i)|i=1，2，．．．，k}，原始高程数据中含有54个点，即k=54；

b）判断高程点数量，因为k>6，所以根据公式（1）对高程点集合Points进行最小二乘解算，得到非线性变换参数a₀=37700253.9824946,a₁=-169.496814603265,a₂=-331.179406500571,a₃=0.000390428498003928,a₄=0.000378834101406952,a₅=0.000894502471199572；

c）在最小外接矩形R范围内生成5*5个均匀样本点组成样本点集合SamplePoints={(Sx_j,Sy_j)|j=1，2，．．．，num}，其中num=25，根据公式（2）和非线性变换参数参数a₀、a₁、a₂、a₃、a₄、a₅计算样本点高程值得到三维样本点集合SamplePoints={(Sx_j,Sy_j,Sz_j)|j=1，2，．．．，num}；

d）遍历三维样本点集合SamplePoints，获取其高程值中的最大值hMax=84.6063826978207和最小值hMin=46.5374782718718，根据公式（3）计算高程非线性变换放大或缩小倍数scale=0.525363161918771；

e）遍历三维样本点集合SamplePoints，根据公式（4）计算每个样本点新的高程值，生成新的三维样本点集合SamplePoints={(Sx_j,Sy_j,Sz_j’)|j=1，2，．．．，num}；

f）根据公式（5）计算高程线性变换量linear=19.6364626611889。

步骤14：修改原始数据高程值，具体步骤如下：

a）根据公式（6）和非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅计算利用原始高程点拟合的高程值Pz_i’，取原始高程中一点p（141705.379,155019.834,74.6），其拟合的高程值为58.5472699590027；

b）根据公式（7）计算脱密后高程点集合Points中高程值Pz_i”=124.995041528562，生成脱密后的高程点集合Points’={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，54}；

步骤15：根据公式（8）计算高程脱密中误差RMSE=47.2365688607939。

步骤16：保存脱密后的高程数据DH，非线性变换参数a₀-a₅及非线性变换放大或缩小倍数scale、线性变换量linear，并组成密钥Key，使用DES对称加密算法对密钥Key进行加密并存入密钥文件Key.txt。

（二）脱密后高程数据的恢复过程

步骤21：读取密钥文件Key.txt，使用DES对称加密算法解密后提取密钥Key。

步骤22：打开脱密后的高程数据DH，获取脱密后的高程点集合Points’={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，k}，根据密钥中参数a₀-a₅和公式（6）计算利用高程点拟合的高程值Pz_i’，选取脱密后高程中一点p’（141705.379,155019.834,124.995041528562），计算拟合的高程值为58.5472699590027。

步骤23：由密钥和生成的高程值Pz_i’，根据公式（9）计算每个高程点恢复后的高程值Pz_i={74.6,…}，生成恢复后的高程点集合Points={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，54}。

步骤24：保存恢复后的高程数据RH。

本发明实施例中仅以shp格式高程数据为例进行脱密与恢复操作，该方法也可用于数字高程模型等其他格式高程数据。

本发明可根据高程数据脱密变换量进行高程脱密，脱密后的高程数据可根据密钥进行无损恢复。本发明的方法能有效保障高程数据的安全，同时维持高程数据的相对位置关系基本不变，为国民经济建设中高程数据的使用提供有效的技术手段。

Claims (1)

1.一种高程数据脱密与恢复方法，其特征在于，包括如下过程：

（一）高程数据的脱密过程

步骤11：确定脱密变换量

输入高程数据总体变换量sumpara和非线性变换量nonlinear，其中，0<nonlinear<=sumpara；

步骤12：确定高程数据范围

打开原始高程数据H，获取其最小外接矩形R，其中，R左下角坐标为（x_min，y_min），右上角坐标为（x_max，y_max）；

步骤13：计算非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅、非线性变换缩放系数scale和线性变换量linear，具体步骤如下：

a）获取高程点数据，设高程点集合为Points={(Px_i,Py_i,Pz_i)|i=1，2，．．．，k}，其中k为高程点个数；

b）判断高程点数量，如果k<6，则返回错误，否则根据公式（1）对高程点集合Points进行最小二乘解算，得到非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅；

Pz_i=a₀+a₁Px_i+a₂Py_i+a₃Px_i ²+a₄Px_iPy_i+a₅Py_i ²    （1）

c）在最小外接矩形R范围内生成m*n个均匀样本点组成样本点集合SamplePoints={(Sx_j,Sy_j)|j=1，2，．．．，num}，其中m是X方向样本点数量，n是Y方向样本点数量，m>=3，n>=3，num=m*n，根据公式（2）和非线性变换参数a₀、a₁、a₂、a₃、a₄、a₅计算样本点高程值，得到三维样本点集合SamplePoints={(Sx_j,Sy_j,Sz_j)|j=1，2，．．．，num}；

Sz_j=a₀+a₁Sx_j+a_2Sy_j+a₃Sx_j ²+a₄Sx_jSy_j+a₅Sy_j ²    （2）

d）遍历三维样本点集合SamplePoints，获取其高程值中的最大值hMax和最小值hMin，根据公式（3）计算高程非线性变换放大或缩小倍数scale，

scale=nonlinear/（hMax-hMin）    （3）

e）遍历三维样本点集合SamplePoints，根据公式（4）计算每个样本点新的高程值，生成新的三维样本点集合SamplePoints’={(Sx_j,Sy_j,Sz_j’)|j=1，2，．．．，num}，

Sz_j’=Sz_j*scale    （4）

f）根据公式（5）计算高程线性变换量linear，

$\mathrm{linear}=\mathrm{sumpara}-\underset{j=0}{\overset{\mathrm{num}}{\mathrm{\&Sigma;}}}{{\mathrm{Sz}}_j}^{\&prime;}/\mathrm{num}---\left(5\right)$

步骤14：修改原始数据高程值，具体步骤如下：

a）根据公式（6）和非线性变换参数a₀、a₁、a₂、a_3、a₄、a₅计算利用原始高程点拟合的高程值Pz_i’；

Pz_i’=a₀+a₁Px_i+a₂Py_i+a₃Px_i ²+a₄Px_iPy_i+a₅Py_i ²    （6）

b）根据公式（7）计算脱密后高程点集合Points中高程值Pz_i”，生成脱密后的高程点集合Points’={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，k}；

Pz_i″=Pz_i+Pz_i′*scale+linear    （7）

步骤15：根据公式（8）计算高程脱密中误差RMSE，

$\mathrm{RMSE}=\sqrt{\underset{i=0}{\overset{k}{\mathrm{\&Sigma;}}}{({P_z}^{\&prime;\&prime;}-{\mathrm{Pz}}_i)}^2/\mathrm{num}}---\left(8\right)$

步骤16：保存脱密后的高程数据DH，非线性变换参数a₀-a₅及非线性变换放大或缩小倍数scale、线性变换量linear，并组成密钥Key，使用DES对称加密算法对密钥Key进行加密并存入密钥文件Key.txt；

（二）脱密后高程数据的恢复过程

步骤21：读取密钥文件Key.txt，使用DES算法解密后提取密钥Key；

步骤22：打开脱密后的高程数据DH，获取脱密后的高程点集合Points’={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，k}，根据密钥中非线性变换参数a₀-a₅和公式（6）计算利用高程点拟合的高程值Pz_i’；

步骤23：根据公式（9）及密钥和生成的高程值Pz_i’计算每个高程点恢复后的高程值Pz_i，生成恢复后的高程点集合Points={(Px_i,Py_i,Pz_i”)|i=1，2，．．．，k}，

Pz_i=Pz_i″-Pz_i′*scale-linear    （9）

步骤24：保存恢复后的高程数据RH。

Images