CN104408338B - 一种三维网格模型版权认证方法 - Google Patents
一种三维网格模型版权认证方法 Download PDFInfo
- Publication number
- CN104408338B CN104408338B CN201410606156.4A CN201410606156A CN104408338B CN 104408338 B CN104408338 B CN 104408338B CN 201410606156 A CN201410606156 A CN 201410606156A CN 104408338 B CN104408338 B CN 104408338B
- Authority
- CN
- China
- Prior art keywords
- matrix
- dimensional grid
- model
- grid model
- summit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 79
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 241001269238 Data Species 0.000 claims description 9
- 229910002056 binary alloy Inorganic materials 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000002203 pretreatment Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 238000010008 shearing Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001093 holography Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/16—Program or content traceability, e.g. by watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/106—Enforcing content protection by specific content processing
- G06F21/1063—Personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种三维网格模型版权认证方法。包括：S1：生成光全息加密版权水印信息；S2：三维网格模型进行预处理；S3：在柱坐标系下构建模型几何特征矩阵；S4：对几何特征矩阵通过QR分解嵌入版权水印信息；S5：将嵌入版权水印信息的三维网格模型在网络等公共信息平台上进行发布；S6：获取的待检测三维网格模型经过预处理对几何特征矩阵进行QR分解提取版权加密信息灰度图，通过傅里叶逆变换与二阶巴特沃斯高通滤波器的滤波得到版权二值水印图像，经人眼识别即可判定三维网格模型的版权归属。该方法是一种空域盲水印算法，具有较高的鲁棒性，克服了已有三维模型版权认证方法存在着易被解密仿制无法方便有效地进行版权防伪认证的突出问题。
Description
技术领域
本发明涉及三维技术领域，尤其涉及一种三维网格模型版权认证方法。
背景技术
近年来随着计算机处理能力的提高，三维模型在计算机辅助设计、计算机动画、虚拟现实到文物考古、医学可视化、影视游戏等众多领域得到了广泛应用。与传统的媒体数据(文字、音频、图像)相比，三维模型的获取、加工处理更加复杂，投入的人力、物力和财力更多，凝聚了更多的智力因素，具有更高的价值。在网络交流日益普及和电子商务高速发展的今天，对三维模型进行版权认证是数字出版社会化内容生产与监管问题研究的重点内容。其中三维模型数字水印是对三维模型进行有效版权认证的一种重要手段，它的研究不仅可在信息交流中防止侵权、在打击盗版方面发挥着重要的作用，而且对于规范数字化市场、促进人类信息产业健康持续的发展也具有极为重要的意义。
根据水印算法的工作域不同，下面将3D网格数字水印分为空域和变换域两大类。
变换域算法：1999年，Praun等将广泛应用于二维数字水印方案的扩频技术推广到三维模型数字水印算法中，此方法虽比较强壮，但是仍有不足之处，如计算量大，完全独立于常用的网格处理和编辑算法，需要对模型进行多分辨率分解。2001年,Ohbuchi基于网格的拓扑关系得到Laplace算子，通过网格的伪频谱分析实现三维网格模型水印算法，但是数据嵌入量不大。1998年，Kanai等提出了一种将原始三维模型进行小波变换后通过修改小波系数嵌入水印信息的非盲水印算法。Kai wang同样对三维网格模型进行小波分解，将鲁棒水印、脆弱水印、高容量水印嵌入到合适的小波分辨率级中实现了盲水印算法，但鲁棒性不高。2008年，Liu,Y提出使用流形谐波变换将原始网格变换到频域后进行水印嵌入，但在剪切攻击时容易丢失严重的形状信息。2009年，Konstantinides提出将水印信息嵌在球体调和系数中，但该方法完全依赖于网格的全局配准所以无法承受剪切攻击。
空域算法：1997年，Ohbuchi等发表了一篇关于3D网格数字水印的文章随后针对三角形网格，根据网格替换、拓扑替换和可见模式等概念提出了几种水印算法，其中最具代表性的和最具历史意义的是三角形相似四元组算法，四面体体积比算法，这些算法对噪声及拓扑改变非常敏感。2005年Zafeiriou提出通过改变球坐标系下的顶点坐标以此嵌入水印信息，但不能抵抗仿射变换。2008年Salman使用三维模型的法向矢量分布来嵌入水印信息，而在提取水印信息时还需三维模型详细的内部组织信息仅适用于嵌入私有水印。2009年，清华大学王瑀屏、胡事民等人提出了一种基于积分不变量的空域半脆弱忙水印算法可以抵抗顶点乱序、RST变换、轻微噪声等攻击，但易造成原始三维模型的整体变形。2009年，武汉理工大学的Qingsongai提出根据三维模型特征点将三维模型划分多个Voronoi patch而后将水印信息嵌入其中，具有较好的抗裁剪性能，但根据选取的特征点划分Voronoi patch这一前期处理进程中将要花费大量的时间，操作实现较为困难。2011年Ho L提出选用三维模型表面与质点中心相交的顶点信息来嵌入水印并与渐进网格压缩相结合用于三维细节层次模型的水印保护，但基于直方图面元移动的技术却改变了顶点几何信息。Liu Quan提出构建球面坐标映射方阵应用SVD分解来构造更稳定的水印嵌入基元来嵌入水印的非盲水印算法，能够抵抗噪声、裁切，极大提升了空域水印算法的鲁棒性，但因SVD分解时间复杂度是Ο(N3)运算速度较慢。
在对三维网格模型水印方法的研究和实践过程中，本发明的发明人发现：总体上频域水印算法鲁棒性较高，能够有效平衡鲁棒性与透明性，但算法复杂，嵌入量小。此外由于三维模型缺少自然参数化的方法，使得对三维模型的直接频域分解难以实现。相比较于频域算法，空域算法具有嵌入方法简单、嵌入量大的优势，具有重要的实际应用价值，但是盲水印实现较为困难、鲁棒性也往往比较差、实际应用具有一定的局限性。此外在上述现有3D网格数字水印算法中，多使用伪随机序列或Amold变换对水印图像进行置乱加密作为嵌入水印信息，因伪随机序列线性复杂度低、Amold变换加密容易受到穷举攻击，上述算法存在着易被解密仿制无法进行准确地防伪认证的突出问题。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是，克服上述现有技术的不足，提供一种属于空域盲数字水印算法的三维网格模型版权认证方法。该方法不易被解密仿制、具有较高的鲁棒性可抵抗平移、均匀缩放、顶点重排序、噪声攻击，通过人眼即可准确进行三维模型版权信息认证。
(二)技术方案
本发明提供一种三维网格模型版权认证方法，具体的技术方案是，包括以下步骤：
S1：将版权信息进行光全息加密，将生成的光全息加密二值序列信息作为三维网格模型进行嵌入的版权水印信息；
S2：对三维网格模型进行预处理，该预处理包括：
S21：在笛卡尔坐标系下根据三维网格模型顶点坐标求出三维网格模型的中心点坐标；
S22：将三维网格模型的中心移动到坐标原点；
S23：对三维网格模型调整到唯一姿态做校准预处理；
S24：将笛卡尔坐标系下的各顶点转成圆柱坐标系下的坐标；
S3：构建圆柱坐标系下模型几何特征矩阵；
S4：对几何特征矩阵通过QR分解嵌入版权水印信息；
S5：将嵌入版权水印信息的三维网格模型在网络等公共信息平台上进行发布而形成待检测三维网格模型；
S6：对在网络等公共信息平台上获取的待检测三维网格模型的在圆柱坐标系下构建的几何特征矩阵进行QR分解，然后经傅里叶逆变换并与二阶巴特沃斯高通滤波提取的版权信息二值图像通过人眼进行识别，即可判定三维网格模型的版权归属。
进一步地，对于步骤S1，将版权信息生进行光全息加密生成版权水印信息包括以下步骤：
S11：制作二值版权信息水印图像gmark(x,y)；
S12：将二值版权信息水印图像gmark(x,y)经过一个由高斯随机数产生的二维随机相位模板φ(x,y)进行调制，形成调制的水印图像，该调制的水印图像表示为g0(x,y)＝gmark(x,y)exp[iφ(x,y)]；
S13：对调制的水印图像g0(x,y)进行傅立叶变换，变换的水印图像表示为Gmark(ξ,η)；
S14：使用参考光R(ξ,η)＝R0exp[2πi(aξ+bη)]对变换的水印图像Gmark(ξ,η)进行干涉而得到光全息加密信息H(ξ,η)＝Gmark *(ξ,η)R(ξ,η)+Gmark(ξ,η)R*(ξ,η)；
S15：将光全息加密信息H(ξ,η)存储为灰度图像H(x,y)；
S16：灰度图像H(x,y)的每一个像素数据量为8bit，将灰度图像H(x,y)转化生成光全息加密二值序列信息(i＝1,2,…length,length＝s×s×8)作为三维网格模型进行嵌入的版权水印信息。
进一步地，在步骤S23中，按照以下方式对三维网格模型调整到唯一姿态做校准预处理：
根据公式构建三维模型顶点的协方差矩阵Cv；
计算协方差矩阵Cv的三个特征值并按由大到小的顺序排列λmax,λmid,λmin，所对应的特征向量是ηmax,ηmid,ηmin；
计算特征向量ηmin与y轴的夹角α，特征向量ηmin旋转α与y轴对齐确定旋转矩阵T1；
计算特征向量ηmid与x轴的夹角β，特征向量ηmid旋转β与x轴对齐确定旋转矩阵T2；
三维模型各顶点通过公式vi″＝vi′×T1×T2计算表示为vi″(xi″,yi″,zi″)，可以使三维模型调整到唯一的姿态朝向，
在步骤S24中，将笛卡尔坐标系下的各顶点vi″(xi″,yi″,zi″)按公式转成柱面坐标系下的坐标vi″(ρi″,θi″,zi″)0≤θi″＜2π。
进一步地，在步骤S3中，按照以下步骤构建圆柱坐标系下模型几何特征矩阵：
S31：将三维网格模型顶点Vi转换到圆柱坐标系下(ρ,θ,z)后，依据z值由大到小的顺序进行排序；若部分顶点的z值相同，则将其归为一类，作为顶点集合Vi的一个子集Vsub；顶点集合Vi依据z值划分的子集个数记作nz，nz∈[1,n]；
S32：对于顶点集合Vi，依据θ值由小到大的顺序进行排序；若部分顶点的θ值相同则将其归为一类，作为顶点集合Vi的一个子集Vθj，顶点集合Vi依据θ值划分的子集个数记作 在每一个子集Vθj内，根据z值由大到小对顶点排序；若部分顶点的z值相同，则将其归为一类作为Vθj的一个子集Vθjk；计算该子集内各个顶点到模型中心的距离vk∈Vθjk，并按有小到大的顺序对Vθjk子集中的顶点进行排序；统计各子集Vθjk中顶点个数numjk，求出各Vθj中最大子集的顶点个数max(numjk)；
S33：圆柱坐标系下的三维网格模型可用矩阵D[nz,nθ]表示，其中D[i,j]表示处于依据z值划分的第i个子集也同时依据θ值划分而确定的顶点vij到模型中心的距离式中ρij表示该顶点在平面οxy上的极坐标半径，zij表示该顶点在圆柱坐标系下的z值；
S34：矩阵D可以存储nz×nθ个顶点的d值，远大于三维网格模型顶点的数目n；因此D含有大量的0值，是一个稀疏矩阵，读取D中非0值元素构建模型几何特征矩阵。
进一步地，在步骤S4，对几何特征矩阵通过QR分解嵌入版权水印信息包括以下步骤：
S41：对几何特征矩阵D′的元素进行归一化处理，即使用公式对所有顶点到模型中心的距离进行归一化处理使dij′∈[0,1]，其中dmin表示顶点集Vi中的顶点到模型中心vc的最小距离，dmax表示顶点集Vi中的顶点到模型中心vc的最大距离，dij″表示顶点到模型中心vc的距离dij经归一化处理后的结果值；
S42：将几何特征矩阵D′划分成个大小s×s的非重叠矩阵块，其中s×s是二值水印图像gmark(x,y)的大小，m是QR分解矩阵的行数和列数；
S43：根据公式D′＝Q·R对每一个选中的大小为m×m的矩阵块进行QR分解；
S44：通过修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据；
S45：用修改得到的r1j *替换r1j，并利用公式D*＝Q×R*执行逆QR分解得到含水印的矩阵块；
S46：重复执行S43-S45直至几何特征矩阵中的矩阵块都进行了嵌入版权水印信息操作；
S47：根据公式dw ij＝d* ij(d′max-d′min)+d′min,d* ij∈D*对几何特征矩阵D′的元素逆归一化处理，并根据公式将该矩阵中各顶点的柱面坐标重新转化为笛卡尔坐标；
S48：将嵌入版权水印信息的三维模型各顶点根据公式计算调整回原始姿态朝向。
进一步地，步骤S6包括以下步骤：
S61：对可能含有版权水印信息的三维模型执行S2步骤进行三维模型预处理；
S62：根据步骤S3在圆柱坐标系下构建几何特征矩阵，根据步骤S41进行归一化处理后得到矩阵D′；
S63：根据公式D′＝Q·R对每一个含水印的几何特征矩阵块进行QR分解得到矩阵R*；
S64：从矩阵R*中提取m位二进制版权水印信息；
S65：重复执行S62-S64步骤直到所有嵌入版权水印信息的矩阵块都执行完毕，被提取出来的加密版权信息水印序列按每8位为1组进行分组，将每1组二进制数据转换为十进制的数据值，最终数据存储为灰度图像H*(x,y)；
S66：对灰度图像进行傅里叶逆变换，并使用二阶巴特沃斯高通滤波器进行滤波得到二值水印图像g* mark(x,y)，通过人眼识别图像g* mark(x,y)即可判定三维网格模型的版权归属。
进一步地，在S34中，读取D中非0值元素构建模型几何特征矩阵的具体方法为：
将D中非0的dij值按行序排序读取，构成一个长度为n的非负实数序列设定义向量DK′＝(d(K-1)L+1,d(K-1)L+2,……dKL)T，其中1≤K≤L，则得到模型几何特征矩阵：
进一步地，在S44中，通过修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据的具体方法为：
计算min＝min(r1j)j＝1,2,…m,max＝max(r1j)j＝1,2,…m,根据公式Mj＝round[(r1j-min)/Δ]以min为起始端，使用Δ作为量化区间对r1j(j＝1,2…m)进行量化；根据要嵌入的每一位版权水印信息是0还是1按照公式修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据。
进一步地，在S64中，从矩阵R*中提取m位二进制版权水印信息具体方法为：
根据min＝min(r* 1j)j＝1,2,…m,max＝max(r* 1j)j＝1,2,…m,重新进行计算；利用公式从矩阵R*的第一行元素r* 1j(j＝1,2…m)中提取m位二进制版权水印信息。
进一步地，在步骤S11中，在制图软件PHOTOSHOP中制作二值版权信息水印图像gmark(x,y)。
(三)有益效果
本发明对比已有技术具有以下创新点：
1.利用光全息技术对版权信息进行加密；
2.对圆柱坐标系下的三维模型构建几何特征矩阵使用QR分解嵌入和提取版权水印信息实现三维模型的版权认证；
本发明对比已有技术具有以下显著优点：
1.一种空域盲水印算法；
2.具有较高的鲁棒性，可抵抗平移、均匀缩放、顶点重排序、噪声、剪切攻击；
3.不易被解密仿制；
4.版权水印结果图像可由人眼直接识别，方便判定三维网格模型的版权归属，具有更好的实用性。
附图说明
图1为三维网格模型版权认证方法流程图；
图2为光全息加密版权水印信息生成流程图；
图3为三维模型版权信息嵌入实验结果图，其中(a)为二值版权信息水印图像，(b)为加密版权信息图像，(c)为原始三维网格模型；
图4为三维模型版权信息提取认证结果图，其中(a)为可能含有版权水印信息的待检测三维模型，(b)为提取出的加密版权信息图像；(c)为提取出的二值版权信息水印图像；
图5为仿射变换攻击结果图，其中(a)为模型顶点重排序，(b)为模型绕z轴旋转15度，(c)为模型均匀收缩0.3；
图6为噪声攻击结果图，其中(a)为0.1％的噪声，(b)为0.2％的噪声，(c为)0.3％的噪声；以及
图7为剪切攻击结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明的基本思想是利用光全息技术对版权信息进行加密，对圆柱坐标系下的模型几何特征矩阵使用QR分解嵌入和提取版权水印信息实现三维模型的版权认证。
使用Matlab2013作为实验平台，实现了一个三维模型水印原型系统。采用http://www.cc.gatech.edu/projects/large_models/所提供的三维模型Stanford Bunny包括35947个顶点，69451个三角面作为实例三维模型进行验证该三维网格模型版权认证方法的有效性。
执行如图1三维网格模型版权认证方法流程图所示的处理流程，包括：
S1：将版权信息进行光全息加密，生成光全息加密二值序列信息作为版权水印信息，光全息加密版权水印信息生成流程如图2所示，包括：
S11：在制图软件PHOTOSHOP中制作二值版权信息水印图像gmark(x,y)，见图3的(a)大小为32×32的二值图像作为水印图像，即s＝32；
S12：gmark(x,y)经过一个由高斯随机数产生的二维随机相位模板φ(x,y)的调制，形成的调制水印图像表示为g0(x,y)＝gmark(x,y)exp[iφ(x,y)]；
S13：对调制的水印图像g0(x,y)进行傅立叶变换，变换水印图像表示为Gmark(ξ,η)；
S14：使用参考光R(ξ,η)＝R0 exp[2πi(aξ+bη)]对Gmark(ξ,η)进行干涉得到光全息加密信息H(ξ,η)＝Gmark *(ξ,η)R(ξ,η)+Gmark(ξ,η)R*(ξ,η)；
S15：将光全息加密信息H(ξ,η)存储为灰度图像H(x,y)，见图3的(b)大小为32×32的灰度图像作为加密版权水印图像；
S16：灰度图像H(x,y)的每一个像素数据量为8bit，需将H(x,y)转化生成光全息加密二值序列信息(i＝1,2,…length,length＝s×s×8)作为三维模型进行嵌入的版权水印信息；
S2：对Stanford Bunny三维网格模型见图3的(c)进行预处理，该预处理包括：
S21：在笛卡尔坐标系下根据三维网格模型顶点坐标求出三维网格模型的中心点坐标；
S22：将三维网格模型的中心移动到坐标原点；
S23：对模型调整到唯一姿态做校准预处理：根据公式构建三维模型顶点的协方差矩阵Cv，计算Cv三个特征值并按由大到小的顺序排列λmax,λmid,λmin，所对应的特征向量是ηmax,ηmid,ηmin；计算ηmin与y轴的夹角α，ηmin旋转α与y轴对齐确定旋转矩阵T1；计算ηmid与x轴的夹角β，ηmid旋转β与x轴对齐确定旋转矩阵T2；三维模型各顶点通过公式vi″＝vi′×T1×T2计算表示为vi″(xi″,yi″,zi″)，可以使三维模型调整到唯一的姿态朝向；
S24：将笛卡尔坐标系下的顶点vi″(xi″,yi″,zi″)按公式转成柱面坐标系下的坐标vi″(ρi″,θi″,zi″)0≤θi″＜2π；
S3：构建圆柱坐标系下模型几何特征矩阵，这包括以下步骤：
S31：将三维网格模型顶点Vi转换到圆柱坐标系下(ρ,θ,z)后，依据z值由大到小的顺序进行排序；若部分顶点的z值相同，则将其归为一类，作为顶点集合Vi的一个子集Vsub；顶点集合Vi依据z值划分的子集个数记作nz，nz∈[1,n]；
S32：对于顶点集合Vi，依据θ值由小到大的顺序进行排序；若部分顶点的θ值相同则将其归为一类，作为顶点集合Vi的一个子集Vθj，顶点集合Vi依据θ值划分的子集个数记作 在每一个子集Vθj内，根据z值由大到小对顶点排序；若部分顶点的z值相同，则将其归为一类作为Vθj的一个子集Vθjk；计算该子集内各个顶点到模型中心的距离vk∈Vθjk，并按有小到大的顺序对Vθjk子集中的顶点进行排序；统计各子集Vθjk中顶点个数numjk，求出各Vθj中最大子集的顶点个数max(numjk)；
S33：圆柱坐标系下的三维网格模型可用矩阵D[nz,nθ]表示，其中D[i,j]表示处于依据z值划分的第i个子集也同时依据θ值划分而确定的顶点vij到模型中心的距离式中ρij表示该顶点在平面οxy上的极坐标半径，zij表示该顶点在圆柱坐标系的z值；
S34：矩阵D可以存储nz×nθ个顶点的d值，远大于三维网格模型顶点的数目n；因此D含有大量的0值，是一个稀疏矩阵。读取D中非0值元素构建模型几何特征矩阵，
在S34中，读取D中非0值元素构建模型几何特征矩阵的具体方法为：
将D中非0的dij值按行序排序读取，构成一个长度为n的非负实数序列设定义向量DK′＝(d(K-1)L+1,d(K-1)L+2,……dKL)T其中1≤K≤L，则得到模型几何特征矩阵：
S4:对几何特征矩阵通过QR分解嵌入版权水印信息，这包括以下步骤：
S41：对几何特征矩阵D′的元素进行归一化处理，即使用公式对所有顶点到模型中心的距离进行归一化处理使dij′∈[0,1]，其中dmin表示顶点集Vi中的顶点到模型中心vc的最小距离，dmax表示顶点集Vi中的顶点到模型中心vc的最大距离，dij″表示顶点到模型中心vc的距离dij经归一化处理后的结果值；
S42：将几何特征矩阵D′划分成个大小s×s的非重叠矩阵块，其中s×s是二值水印图像gmark(x,y)的大小，m是QR分解矩阵的行数和列数，这里取m＝4；
S43：根据公式D′＝Q·R对每一个选中的大小为m×m的矩阵块进行QR分解；
S44：通过修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据；
S45：用修改得到的r1j *替换r1j，并利用公式D*＝Q×R*执行逆QR分解得到含水印的矩阵块；
S46：重复执行S43-S45直至几何特征矩阵中的矩阵块都进行了嵌入版权水印信息操作；
S47：根据公式dw ij＝d* ij(d′max-d′min)+d′min,d* ij∈D*对几何特征矩阵D′的元素逆归一化处理，并根据公式将该矩阵中各顶点的柱面坐标重新转化为笛卡尔坐标；
S48：将嵌入版权水印信息的三维模型各顶点根据公式计算调整回原始姿态朝向；
其中，在S44中，通过修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据的具体方法为：计算min＝min(r1j)j＝1,2,…m,max＝max(r1j)j＝1,2,…m,根据公式Mj＝round[(r1j-min)/Δ]以min为起始端，使用Δ作为量化区间对r1j(j＝1,2…m)进行量化；根据要嵌入的每一位版权水印信息是0还是1按照公式修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据；
S5：将嵌入版权水印信息的三维网格模型在网络等公共信息平台上进行发布形成待检测三维网格模型,见图4的(a)；
S6：对在网络等公共信息平台上获取的待检测三维网格模型在圆柱坐标系下构建的几何特征矩阵进行QR分解后经傅里叶逆变换与二阶巴特沃斯高通滤波提取版权信息二值图像通过人眼识别即可判定三维网格模型的版权归属，这包括以下步骤：
S61：对可能含有版权水印信息的待检测三维模型见图4的(a)执行S2步骤进行三维模型预处理；
S62：根据步骤S3在圆柱坐标系下构建几何特征矩阵，根据步骤S41进行归一化处理后得到矩阵D′；
S63：根据公式D′＝Q·R对每一个含水印的几何特征矩阵块进行QR分解得到矩阵R*；
S64：从矩阵R*中提取m位二进制版权水印信息；
S65：重复执行S62-S64步骤直到所有嵌入版权水印信息的矩阵块都执行完毕。被提取出来的加密版权信息水印序列按每8位为1组进行分组，将每1组二进制数据转换为十进制的数据值。最终数据存储为灰度图像H*(x,y)见图4的(b)；
S66：对灰度图像进行傅里叶逆变换，并使用二阶巴特沃斯高通滤波器进行滤波得到二值水印图像g* mark(x,y),见图4的(c)。通过人眼识别图像g* mark(x,y)即可判定三维网格模型的版权归属。
其中，在S64中，从矩阵R*中提取m位二进制版权水印信息具体方法为：
根据r* 1j(j＝1,2…m)，min＝min(r* 1j)j＝1,2,…m,max＝max(r* 1j)j＝1,2,…m,重新进行计算；利用公式从矩阵R*的第一行元素中提取m位二进制版权水印信息
为检测本发明方法版权信息的认证效果，本文采用多种攻击手段进行了测试：
(1)仿射变换攻击包括顶点重排序、旋转、平移、均匀缩放等攻击。对带版权信息水印的三维模型Stanford Bunny随机选择两个顶点交换顺序，执行10×n次，其中n为模型顶点个数。实验结果(如图5的(a)所示)表明模型经过重排序攻击后，版权水印信息仍能完整提取。带版权信息水印的三维模型Stanford Bunny绕z轴旋转15度、均匀缩放0.3，旋转、均匀缩放攻击的实验结果见图5的(b)和(c)，版权水印信息仍能完整提取。
(2)噪声攻击：对三维模型的每个顶点添加一个随机的噪声矢量，该矢量的长度分别为模型中的顶点到模型中心平均距离的0.1％,0.2％和0.3％。实验结果见图6。对于噪声攻击，当噪声强度达到0.3％时，仍能从模型中提取出水印。
(3)剪切攻击：从剪切攻击结果来看，见图7，即使Stanford Bunny模型剪切率达到了86％，提取出的版权信息水印二值图像仍能够比较清晰地由人眼识别。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (9)
1.一种三维网格模型版权认证方法，其特征在于，包括以下步骤：
S1：将版权信息进行光全息加密，将生成的光全息加密二值序列信息作为三维网格模型进行嵌入的版权水印信息；
S2：对三维网格模型进行预处理，该预处理包括：
S21：在笛卡尔坐标系下根据三维网格模型顶点坐标求出三维网格模型的中心点坐标；
S22：将三维网格模型的中心移动到坐标原点；
S23：对三维网格模型调整到唯一姿态做校准预处理；
S24：将笛卡尔坐标系下的各顶点转成圆柱坐标系下的坐标；
S3：构建圆柱坐标系下模型几何特征矩阵；
S4：对几何特征矩阵通过QR分解嵌入版权水印信息；
S5：将嵌入版权水印信息的三维网格模型在网络等公共信息平台上进行发布而形成待检测三维网格模型；
S6：对在网络等公共信息平台上获取的待检测三维网格模型的在圆柱坐标系下构建的几何特征矩阵进行QR分解，然后经傅里叶逆变换并与二阶巴特沃斯高通滤波提取的版权信息二值图像通过人眼进行识别，即可判定三维网格模型的版权归属，
其中，在步骤S3中，按照以下步骤构建圆柱坐标系下模型几何特征矩阵：
S31：将三维网格模型顶点Vi转换到圆柱坐标系下(ρ,θ,z)后，依据z值由大到小的顺序进行排序；若部分顶点的z值相同，则将其归为一类，作为顶点集合Vi的一个子集Vsub；顶点集合Vi依据z值划分的子集个数记作nz，nz∈[1,n]，其中n为三维网格模型顶点的数目；
S32：对于顶点集合Vi，依据θ值由小到大的顺序进行排序；若部分顶点的θ值相同则将其归为一类，作为顶点集合Vi的一个子集Vθj，顶点集合Vi依据θ值划分的子集个数记作 在每一个子集Vθj内，根据z值由大到小对顶点排序；若部分顶点的z值相同，则将其归为一类作为Vθj的一个子集Vθjk；计算该子集内各个顶点到模型中心的距离vk∈Vθjk，并按由小到大的顺序对Vθjk子集中的顶点进行排序；统计各子集Vθjk中顶点个数numjk，求出各Vθj中最大子集的顶点个数max(numjk)；
S33：圆柱坐标系下的三维网格模型可用矩阵D[nz,nθ]表示，其中D[i,j]表示处于依据z值划分的第i个子集也同时依据θ值划分而确定的顶点vij到模型中心的距离式中ρij表示该顶点在平面oxy上的极坐标半径，zij表示该顶点在圆柱坐标系下的z值；
S34：矩阵D可以存储nz×nθ个顶点的d值，远大于三维网格模型顶点的数目n；因此D含有大量的0值，是一个稀疏矩阵，读取D中非0值元素构建模型几何特征矩阵。
2.根据权利要求1所述的三维网格模型版权认证方法，其特征在于：
对于步骤S1，将版权信息生进行光全息加密生成版权水印信息包括以下步骤：
S11：制作二值版权信息水印图像gmark(x,y)；
S12：将二值版权信息水印图像gmark(x,y)经过一个由高斯随机数产生的二维随机相位模板φ(x,y)进行调制，形成调制的水印图像，该调制的水印图像表示为g0(x,y)＝gmark(x,y)exp[iφ(x,y)]；
S13：对调制的水印图像g0(x,y)进行傅立叶变换，变换的水印图像表示为Gmark(ξ,η)；
S14：使用参考光R(ξ,η)＝R0exp[2πi(aξ+bη)]对变换的水印图像Gmark(ξ,η)进行干涉而得到光全息加密信息H(ξ,η)＝Gmark *(ξ,η)R(ξ,η)+Gmark(ξ,η)R*(ξ,η)；
S15：将光全息加密信息H(ξ,η)存储为灰度图像H(x,y)；
S16：灰度图像H(x,y)的每一个像素数据量为8bit，将灰度图像H(x,y)转化生成光全息加密二值序列信息(i＝1,2,…length,length＝s×s×8)作为三维网格模型进行嵌入的版权水印信息。
3.根据权利要求1所述的三维网格模型版权认证方法，其特征在于：
在步骤S23中，按照以下方式对三维网格模型调整到唯一姿态做校准预处理：
根据公式构建三维模型顶点的协方差矩阵Cv；
计算协方差矩阵Cv的三个特征值并按由大到小的顺序排列λmax,λmid,λmin，所对应的特征向量是ηmax,ηmid,ηmin；
计算特征向量ηmin与y轴的夹角α，特征向量ηmin旋转α与y轴对齐确定旋转矩阵T1；
计算特征向量ηmid与x轴的夹角β，特征向量ηmid旋转β与x轴对齐确定旋转矩阵T2；
三维模型各顶点通过公式vi″＝vi′×T1×T2计算表示为vi″(xi″,yi″,zi″)，可以使三维模型调整到唯一的姿态朝向，
在步骤S24中，将笛卡尔坐标系下的各顶点vi″(xi″,yi″,zi″)按公式转成柱面坐标系下的坐标v″i(ρi″,θi″,z″i)0≤θi″＜2π。
4.根据权利要求1所述的三维网格模型版权认证方法，其特征在于：
在步骤S4，对几何特征矩阵通过QR分解嵌入版权水印信息包括以下步骤：
S41：对几何特征矩阵D′的元素进行归一化处理，即使用公式对所有顶点到模型中心的距离进行归一化处理使dij′∈[0,1]，其中dmin表示顶点集Vi中的顶点到模型中心vc的最小距离，dmax表示顶点集Vi中的顶点到模型中心vc的最大距离，dij″表示顶点到模型中心vc的距离dij经归一化处理后的结果值；
S42：将几何特征矩阵D′划分成个大小s×s的非重叠矩阵块，其中s×s是二值水印图像gmark(x,y)的大小，m是QR分解矩阵的行数和列数；
S43：根据公式D′＝Q·R对每一个选中的大小为m×m的矩阵块进行QR分解；
S44：通过修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据；
S45：用修改得到的r1j *替换r1j，并利用公式D*＝Q×R*执行逆QR分解得到含水印的矩阵块；
S46：重复执行S43-S45直至几何特征矩阵中的矩阵块都进行了嵌入版权水印信息操作；
S47：根据公式dw ij＝d* ij(d′max-d′min)+d′min,d* ij∈D*对几何特征矩阵D′的元素逆归一化处理，并根据公式将该矩阵中各顶点的柱面坐标重新转化为笛卡尔坐标；
S48：将嵌入版权水印信息的三维模型各顶点根据公式计算调整回原始姿态朝向。
5.根据权利要求4所述的三维网格模型版权认证方法，其特征在于：
步骤S6包括以下步骤：
S61：对可能含有版权水印信息的三维模型执行S2步骤进行三维模型预处理；
S62：根据步骤S3在圆柱坐标系下构建几何特征矩阵，根据步骤S41进行归一化处理后得到矩阵D′；
S63：根据公式D′＝Q·R对每一个含水印的几何特征矩阵块进行QR分解得到矩阵R*；
S64：从矩阵R*中提取m位二进制版权水印信息；
S65：重复执行S62-S64步骤直到所有嵌入版权水印信息的矩阵块都执行完毕，被提取出来的加密版权信息水印序列按每8位为1组进行分组，将每1组二进制数据转换为十进制的数据值，最终数据存储为灰度图像H*(x,y)；
S66：对灰度图像进行傅里叶逆变换，并使用二阶巴特沃斯高通滤波器进行滤波得到二值水印图像g* mark(x,y)，通过人眼识别图像g* mark(x,y)即可判定三维网格模型的版权归属。
6.根据权利要求1所述的三维网格模型版权认证方法，其特征在于：
在S34中，读取D中非0值元素构建模型几何特征矩阵的具体方法为：
将D中非0的dij值按行序排序读取，构成一个长度为n的非负实数序列设定义向量DK′＝(d(K-1)L+1,d(K-1)L+2,……dKL)T，其中1≤K≤L，则得到模型几何特征矩阵：
7.根据权利要求4所述的三维网格模型版权认证方法，其特征在于：
在S44中，通过修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据的具体方法为：计算min＝min(r1j)j＝1,2,…m,max＝max(r1j)j＝1,2,…m,根据公式Mj＝round[(r1j-min)/Δ]以min为起始端，使用Δ作为量化区间对r1j(j＝1,2…m)进行量化；根据要嵌入的每一位版权水印信息是0还是1按照公式修改矩阵R第一行中的元素r11,r12……r1m即r1j(j＝1,2…m)来嵌入水印信息中的m位二进制数据。
8.根据权利要求5所述的三维网格模型版权认证方法，其特征在于：
在S64中，从矩阵R*中提取m位二进制版权水印信息具体方法为：
根据r* 1j(j＝1,2…m)，min＝min(r* 1j)j＝1,2,…m,max＝max(r* 1j)j＝1,2,…m,重新进行计算；利用公式从矩阵R*的第一行元素r* 1j(j＝1,2…m)中提取m位二进制版权水印信息。
9.根据权利要求2所述的三维网格模型版权认证方法，其特征在于：
在步骤S11中，在制图软件PHOTOSHOP中制作二值版权信息水印图像gmark(x,y)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410606156.4A CN104408338B (zh) | 2014-10-31 | 2014-10-31 | 一种三维网格模型版权认证方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410606156.4A CN104408338B (zh) | 2014-10-31 | 2014-10-31 | 一种三维网格模型版权认证方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104408338A CN104408338A (zh) | 2015-03-11 |
| CN104408338B true CN104408338B (zh) | 2017-07-28 |
Family
ID=52645969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410606156.4A Expired - Fee Related CN104408338B (zh) | 2014-10-31 | 2014-10-31 | 一种三维网格模型版权认证方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104408338B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106022429A (zh) * | 2016-05-17 | 2016-10-12 | 长春理工大学 | 一种3d星阵防伪码的生成方法 |
| CN106228038B (zh) * | 2016-07-20 | 2018-03-09 | 张富 | 一种基于bim模型的版权追踪方法 |
| CN106131057B (zh) * | 2016-08-19 | 2018-11-06 | 腾讯科技（深圳）有限公司 | 基于虚拟现实场景的认证和装置 |
| WO2018032970A1 (zh) | 2016-08-19 | 2018-02-22 | 腾讯科技（深圳）有限公司 | 基于虚拟现实场景的认证方法、虚拟现实设备及存储介质 |
| CN106339979B (zh) * | 2016-08-30 | 2019-12-10 | 四川大学 | 一种基于哈希函数的计算全息加密方法 |
| CN106384024B (zh) * | 2016-08-31 | 2019-03-05 | 南宁市勘察测绘地理信息院 | Dwg格式数据的版权保护方法及dwg格式数据生产方法 |
| CN108040190A (zh) * | 2017-11-22 | 2018-05-15 | 明鉴方寸（北京）科技有限公司 | 一种隐形水印识别方法、装置以及存储设备 |
| CN108335256B (zh) * | 2017-12-13 | 2021-06-15 | 深圳大学 | 局部球坐标系下的三维盲水印嵌入和提取检测方法及装置 |
| CN108876694B (zh) * | 2018-05-31 | 2022-06-17 | 上海理工大学 | 基于Schur分解的三维模型盲数字水印算法 |
| CN108921769B (zh) * | 2018-07-11 | 2022-07-01 | 湖南师范大学 | 一种基于分层伪像分析的3d网格盲水印生成方法 |
| CN109102454B (zh) * | 2018-08-13 | 2023-08-01 | 鲁东大学 | 一种融合快速傅里叶变换的彩色qr码数字盲水印方法 |
| CN109977778B (zh) * | 2019-02-26 | 2022-01-25 | 河北泊松信息科技有限公司 | 物体三维数据传输存储展示过程中的安全保护方法及装置 |
| CN110717157B (zh) * | 2019-09-06 | 2023-10-24 | 平安科技（深圳）有限公司 | 用户验证方法、装置、计算机设备和存储介质 |
| CN111667395B (zh) * | 2020-06-03 | 2023-05-09 | 南京师范大学 | 一种三维模型版权认证方法 |
| CN112579985B (zh) * | 2020-12-23 | 2024-06-25 | 合肥高维数据技术有限公司 | 基于频域特征排列的图像数字版权保护方法及系统 |
| CN113032743B (zh) * | 2021-03-19 | 2023-01-06 | 华南理工大学 | 一种基于信息嵌入的四面体网格模型可逆变形方法及应用 |
| CN116362952B (zh) * | 2023-04-18 | 2024-04-12 | 兰州交通大学 | 一种运用格网划分的三维点云数据数字水印方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100465993C (zh) * | 2007-12-12 | 2009-03-04 | 北京航空航天大学 | 基于Octree编码的三维网格数字盲水印方法 |
| CN101833742A (zh) * | 2010-03-30 | 2010-09-15 | 杭州电子科技大学 | 基于球面参数化的三维网格模型数字水印方法 |
| CN102044059A (zh) * | 2010-12-09 | 2011-05-04 | 东南大学 | 三维点模型的数字水印嵌入与提取方法 |
-
2014
- 2014-10-31 CN CN201410606156.4A patent/CN104408338B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100465993C (zh) * | 2007-12-12 | 2009-03-04 | 北京航空航天大学 | 基于Octree编码的三维网格数字盲水印方法 |
| CN101833742A (zh) * | 2010-03-30 | 2010-09-15 | 杭州电子科技大学 | 基于球面参数化的三维网格模型数字水印方法 |
| CN102044059A (zh) * | 2010-12-09 | 2011-05-04 | 东南大学 | 三维点模型的数字水印嵌入与提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| 傅里叶变换全息加密数字水印解密实验研究;张雷洪 等;《包装工程》;20110915;第32卷(第17期);第8-12,16页 * |
| 基于CMYK颜色空间的光全息水印算法研究;孙刘杰 等;《包装工程》;20120515;第33卷(第9期);第27-32页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104408338A (zh) | 2015-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104408338B (zh) | 一种三维网格模型版权认证方法 | |
| You et al. | A Siamese CNN for image steganalysis | |
| Lei et al. | Octree guided cnn with spherical kernels for 3d point clouds | |
| Qian et al. | Learning and transferring representations for image steganalysis using convolutional neural network | |
| Li et al. | Embedding Image Through Generated Intermediate Medium Using Deep Convolutional Generative Adversarial Network. | |
| Carlsson et al. | On the local behavior of spaces of natural images | |
| Chang et al. | Features classification forest: a novel development that is adaptable to robust blind watermarking techniques | |
| Mingzhi et al. | A combined dwt and dct watermarking scheme optimized using genetic algorithm | |
| Yan et al. | Gabor surface feature for face recognition | |
| Ferreira et al. | A robust 3D point cloud watermarking method based on the graph Fourier transform | |
| CN108876694B (zh) | 基于Schur分解的三维模型盲数字水印算法 | |
| Li et al. | 3D steganalysis using the extended local feature set | |
| Abdallah et al. | Spectral graph-theoretic approach to 3D mesh watermarking | |
| Ernawan et al. | Fast image watermarking based on signum of cosine matrix | |
| CN110428355A (zh) | 一种基于压缩感知与nsct的彩色图像数字水印方法 | |
| CN116363309A (zh) | 基于点云投影采样的三维信息隐藏方法与装置 | |
| Liu et al. | Zero Watermarking Scheme Based on U and V Matrices of Quaternion Singular Value Decomposition for Color Images. | |
| Zuo et al. | A model based, anatomy based method for synthesizing iris images | |
| Li | Novel face recognition algorithm based on adaptive 3D local binary pattern features and improved Singular Value Decomposition method | |
| Li et al. | Anti-pruning multi-watermarking for ownership proof of steganographic autoencoders | |
| Albukhanajer et al. | Evolutionary multi-objective optimization of trace transform for invariant feature extraction | |
| Narendra et al. | Optimization of 3D Triangular Mesh Watermarking Using ACO-Weber's Law | |
| Ouyang et al. | A blind robust color image watermarking method using quaternion Fourier transform | |
| Shi et al. | Steganography in Style Transfer | |
| Abdallah et al. | A blind 3D watermarking technique using spherical coordinates and skewness measure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Wenju Inventor after: Sun Liujie Inventor after: Huang Linyuan Inventor before: Wang Wenju Inventor before: Sun Liujie |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170728 Termination date: 20201031 |