CN104463764B - 一种具有可控误差的高容量3d网格模型数据隐藏方法 - Google Patents
一种具有可控误差的高容量3d网格模型数据隐藏方法 Download PDFInfo
- Publication number
- CN104463764B CN104463764B CN201410613649.0A CN201410613649A CN104463764B CN 104463764 B CN104463764 B CN 104463764B CN 201410613649 A CN201410613649 A CN 201410613649A CN 104463764 B CN104463764 B CN 104463764B
- Authority
- CN
- China
- Prior art keywords
- information
- hiding
- segment
- model
- point
- 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
Abstract
本发明的一种基于3D多边形网格数据的隐藏方法,属于计算机图形学、信息传输领域。包括网格模型信息处理、信息隐藏、信息提取以及模型重建等步骤。本发明通过在模型上构造数据截断和分段隐藏策略,可以将隐藏误差控制在较小范围内,且在理论上能够通过控制截断长度将变形误差减小到任意小范围内,可使得用户在一个3D网格模型上隐藏无限多信息,并且保证较高的信噪比,真正解决了信息隐藏量与信噪比直接的矛盾问题。作为一种新的3D模型信息隐藏方式,在网格通信、数字家庭及信息安全等领域有着较强的应用价值。
Description
技术领域
本发明公开了一种具有可控误差的高容量3D网格模型数据隐藏方法,属于计算机图形学、信息传输领域,特别是适用于机密信息通信领域。
背景技术
随着现代通信技术的发展和迅速普及,特别是随着由通信和计算机相结合而诞生的计算机互联网的广泛应用,使得信息的共享、传播日益频繁和深入。他给人们带来种种便利的同时也带来了一系列信息安全问题,比如信息窃取。多媒体信息的版权保护问题、信息篡改问题等。而传统信息安全保障手段——密码术并不能真正解决此类问题。为此,人们提出了信息隐藏技术,实践证明信息隐藏技术是解决上述一系列的信息安全问题的有效手段,因此成为了人们研究的热点。
目前,信息隐藏技术在国际上的研究和应用领域主要包括:隐蔽通信中的掩密术和多媒体产品版权保护中的数字水印。其中,利用数字图形图像实现的信息隐藏技术,是当前学术研究领域较为普遍和相对成熟的信息隐藏技术。从上世纪90年代开始,信息隐藏技术及应用取得了长足的进展,有大量的相关理论和论文发表,但是基于3D图形的信息隐藏技术并没有得到太多的关注,尤其在近些年,3D扫描技术与网格生成技术完善与快速发展使得这一问题更为突出。总体来说,信息隐藏技术,尤其是以数字图形为介质的信息隐藏技术尚未发展到完善得可实用阶段,仍有不少技术性问题需要解决。信息隐藏技术追求的主要目标是在不引起强烈视觉差的前提下实现更高的隐藏量,不仅要求算法考虑隐藏能力,还要有一定的抗鲁棒性等特质来保证在信道传输过程中的稳定。在目前3D信息隐藏的一些研究成果中,还没有能很好解决隐藏量和信噪比这一突出矛盾的。而该算法可以保证在相对较高信噪比的前提下实现隐藏量无限增大,这对信息隐藏技术的应用发展有着重要促进作用。
当前被广泛研究的信息隐藏技术大部基于二维图像,对3D模型上的隐藏技术的关注和研究较少,而在已有的基于3D模型的信息隐藏技术研究成果中,没有很好克服隐藏量和抗噪性这一矛盾,使得要保证信噪比的情况下,就要适当牺牲隐藏量。与此同时,已有的大部分算法对载体图形的几何形状有着较高的要求,使得其抗噪性进一步减弱。鉴于上述原因,提出了一种具有可控误差的高容量3D网格模型数据隐藏算法。并不是直接处理模型上点的几何信息,而是对所有点的信息作一定长度的数据截断,然后进行分段移位实现密钥信息的隐藏和提取,这样不仅能够将隐藏信息的点分散在整个网格,更重要的是,首次提出可以将隐藏变形减小到某个范围内,理论上,可以通过设置数据截断的长度来将变形控制在任意小范围。此外,该方法也可以实现多层隐藏,可保证在较高的信噪比情况下,信息隐藏量达到无穷级别,真正解决了信息隐藏量与信噪比直接的矛盾问题。
发明内容
本发明提供了一种具有可控误差的高容量3D网格模型数据隐藏方法,该方法提出的信息隐藏技术主要包括信息隐藏和信息提取两部分,主要流程如附图所示,其中核心部分是通过3D网格的信息处理,得到经过一定长度数据截断的网格坐标值,然后对数据截断后的X,Y,Z三个坐标向量都进行分段处理,再分别进行信息隐藏(信息提取),最后通过模型重构得到处理后的3D网格模型。
具体实现方法如下:
(一)3D网格信息处理
1.信息预处理
给定3D网格M(V,E),其中V表示网格顶点集合,E表示网格边集合。首先将模型归一化到固定位置,其中包括放缩变换、旋转变换,以及平移变换。
首先,计算模型的矩形包围盒,将模型及其包围盒均匀放缩,使得包围盒最长边为1。
然后,利用主成分分析方法对放缩后的包围盒进行旋转变换放置,得到旋转后的模型。
最后,计算包围盒的质心,将其平移使得质心与坐标原点重合,得到平移后的模型。
经过以上放缩、旋转和平移就可以得到标准的可用于实验的网格,为了方便仍记为M(V,E)。
2.截断集合构造
对V中的数据进行一定长度的位数截断处理,得到两个子集合:数据截留子集合VI和截断子集合VII
V=VI+VII*Sign_V (1)
其中,Sign_V为符号函数纪录原始数据符号信息,VI用于存储原始数据截留部分,VII用于信息隐藏处理。
由预处理可知,模型点的数据每个分量都是绝对值小于1的,可表示成“0.***…***”形式,这里*表示0-9的任何整数。首先给定截断长度L,可将V分成两部分:前L位截留部分VI(这里包括符号,保留到小数点后L-1位)和剩余截断部分VII(这里数据分量都是“0.00…0***”形式,其中小数点后L-1位都为0)。后续处理过程都是在截断集合VII上进行,得到隐藏信息后的截断集合VII’,根据公式(1)就可得到处理后的网格V’
V’=VI+VII’*Sign_V. (2)
使用截断集合可以有多个优势:首先,截断集合在数值上将原始模型点重新分布,能够将隐藏信息的点分散在整个网格。从每个坐标分量(X,Y,Z)上,可以看做是将原始模型点重新排序,不再受数值空间限制。模型点X(Y或者Z)值在给定小区间内的点不再集中在一个区域,而是分布在整个模型空间。这点对于基于数值变化的信息隐藏非常重要。另外,更重要的是,截断集合能够控制误差范围。L越大,截断集合中元素数值越小,相对于原始点坐标空间V的误差变形就越小,信息隐藏结果越好。在理论上,可以通过控制截断长度L将误差变形控制在任何小的指定范围内。
3.分段处理
在截断集合VII中,分别对三个坐标分量(X,Y,Z)进行分段处理。下面以X 为例,记X中的最大值为Xmax,最小值为Xmin。将区间[Xmin,Xmax]均匀分成2h+2小区间段(h为正整数),令对应小段编号为{0,1,2,……,2h+1}。固定首末两个小段不动,再对剩下的2h个小段即{1,2,……,2h}进行按序分成若干个大区间段,每个大区间段包含2k个小段(其中k为正整数且k<h)。统计每个小段中包含模型点的个数m,然后在每个大段中挑选出m值最大的小段,记为大段的峰值段,也是将用于隐藏信息的小段。
(二)信息隐藏
给定待隐藏信息SM={001110010100…010},该信息还可写成k-位信息流形式,即每k位合并成一组,隐藏到可以隐藏信息的数据点上。
1.位置表及密钥构造
对于每个分量(X,Y,Z),根据每大段的峰值段,生成数据隐藏位置的位置表(location map),即可隐藏信息处记为1,非隐藏处记为0。另外,为了保证正确提取信息,保持首小段和末小段不变,即0段和2h+1段的包含的所有网格点对应位置表都应设为0。首尾两段不变,确保了模型隐藏信息后其对应的包围盒不会改变,另外,还能够保证提取时所需的分段信息不改变。
由前面可知,每个大段中包含2k个小段,根据大段中小段的标号,构建一个k-位二进制密钥(key),即每个小段唯一对应一个k-位二进制数(对应的十进制整数是[0,2k-1])。给定一组k-位隐藏信息,该密钥唯一确定了该信息与小段间的对应关系。注意这里可以每大段对应一个密钥,也可以所有大段都使用同一个密钥。
2.隐藏流程
对于每个分量(X,Y,Z),从对应的位置表中按顺序逐个提取非零元素,即可隐藏信息的数据点位置(为了正确提取信息,每个大段峰中值段的第一个点不藏入信息)。对于取出的可隐藏点位置,从SM中取出一组k位数据,根据定义的密钥可知该k位数据对应的小段标号,将可隐藏点从原来所属小段移动到密钥中数据对应的小段中,并将该点一环邻域点标记为非隐藏点。这里隐藏点移动距离为d=(s1-s2)*|s|,其中s1为当前点原来所属小段标号,s2为密钥中数据对 应的小段标号,|s|为小段的长度。依次类推,当位置表中所有可隐藏点都处理完毕或者SM中信息隐藏完毕为止。
3.模型重构
所有分量都处理完后,即可得到隐藏有信息的新截断点集VII’,再根据公式(2)可得到隐藏信息后的3D网格模型V’。
4.多层隐藏
对于多层隐藏,由于该方法是无损隐藏,并且可以精确恢复原始模型,因此多层隐藏将以上的单层隐藏过程1-3重复进行即可,提取过程按照隐藏信息相反顺序进行。
信息隐藏过程是将SM信息隐藏到3D网格的顶点坐标信息中,密钥,截取长度以及隐藏层数可以由压缩技术压缩后由其他传输方式发给接收方,位置表可作为隐藏信息一部分直接隐藏到模型前部分固定区域。
该方法利用可隐藏点在大段中不同小段间移动来隐藏信息,将隐藏误差严格限制在大段范围之内。更重要得是,通过网格顶点信息的数据进行截断处理,不仅将隐藏点重新分布在整个模型空间,并且可以将隐藏信息误差控制在非常小的范围之内。理论上,就可以可通过控制数据的截断长度将隐藏引起的误差限制在任意小的范围内,并且不会随着隐藏信息层数以及隐藏信息量增加而增加,详细数据请参考后面具体实施部分。
(三)信息提取
给定隐藏信息的3D网格、密钥、截断长度和隐藏层数。首先利用和隐藏过程同样的网格信息处理方式,得到分段信息。然后根据位置表找到隐藏信息的网格点位置以及所属峰值段,利用密钥找出每个隐藏点隐藏的数据信息,并可恢复隐藏点的原始(或上一层)位置。依次类推,直到位置表所有隐藏位置处理完毕为止,再通过与隐藏过程相同的重构方法得到原始(或上一层)模型。这里注意,对于多层隐藏,提取过程与隐藏信息顺序相反,每层提取过程同上,直到提取完为止。最后可得到隐藏信息SM以及原始网格模型。
本发明通过在模型上构造数据截断和分段隐藏策略,可以将隐藏误差控制 在较小范围内,且在理论上能够通过控制截断长度将变形误差减小到任意小范围内,可使得用户在一个3D网格模型上隐藏无限多信息,并且保证较高的信噪比,真正解决了信息隐藏量与信噪比直接的矛盾问题。作为一种新的3D模型信息隐藏方式,在网格通信、数字家庭及信息安全等领域有着较强的应用价值。
附图说明
附图是信息隐藏和提取流程图。
具体实施方式
以下结合附图和技术方案,进一步说明本发明的具体实施方式。
本发明实施分为信息隐藏过程和信息提取两个过程,其中每个过程包括三个主要步骤:
(一)信息隐藏过程
1.网格信息预处理
给定3D网格M(V,E),首先,计算模型的矩形包围盒,将模型及其包围盒均匀放缩,使得包围盒最长边为1。然后,利用主成分分析方法(PCA)计算出包围盒的三个主轴,通过三个主轴与Z、X、Y轴的对应来对包围盒及模型进行旋转变换放置。最后,通过计算包围盒8个顶点得到其质心,将其平移使得质心与坐标原点O(0,0,0)重合,得到平移后的模型。经过以上放缩、旋转和平移就可以得到标准的可用于实验的网格,为了方便仍记为M(V,E)。
2.截断集合构造
对V中的数据进行一定长度的截断处理得到用于储存信息的截断集合。当截断长度L=4时,VII中点的每个分量都是“0.000***…”形式。例如,V中的一个点为v(0.123456789,-0.234567235,0.456789876),它在截断集合中对应的部分为vII(0.000456789,-0.000567235,0.000789876),其对应的截留集合部分为vI(0.123,-0.234,0.456),以及符号函数Sign_V在该点处对应分量的值为(1,-1,1)。
3.分段处理及信息隐藏
给定待隐藏信息三角网格,得到VII=(XII,YII,ZII),每个列向量的处理方式一样,下面以XII为例,YII,ZII按照相同方法处理。对XII进行分段处理,例如, 取h=13,k=3,则小段为{0,1,2…8193},每个大段包含8个小段
大段 | 1—8 | 9—16 | 17—24 | 25—32 | 33—40 | 41—48 | … | 8185—8192 |
峰值段 | 4 | 13 | 18 | 30 | 35 | 44 | … | 8190 |
频率 | 13 | 15 | 16 | 12 | 10 | 16 | … | 18 |
如上表可以知道小段4,13,18,…,8190分别为峰值段,则位置表中在这些峰值段范围内的网格点都标记为1,其他标记为0。
当k=3时,隐藏的信息SM的序列写成3-bit信息流为{001110010100...010},假设对应的第一大段密钥(key)为,其中第4小段为峰值段
小段 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
3位信息 | 010 | 001 | 101 | 110 | 000 | 011 | 111 | 100 |
从位置表中取出标记为1的可隐藏信息网格点。需要注意的是,为了提取信息,每个大段的峰值段的第一个点不存信息。从SM取出3-bit信息“001”,例如,该可隐藏信息网格点位于第一大段中第4小段(可藏信息段),则根据该段的密钥可知将该点移动到第2小段。依次类推,直到位置表中所有可隐藏点都已经处理完毕或者SM中信息隐藏完毕为止。对于多层隐藏,将以上的单层隐藏过程重复进行即可,提取过程按照隐藏信息相反顺序进行。
4.网格重构
上述两步得到隐藏有信息的新XII,记为XII',对YII,ZII都做同样的处理得到YII',ZII',这样就得到新的VII',再根据公式(2)可得到新的顶点信息矩阵V',即得到新的3D网格。密钥,截断长度以及隐藏层数可以由压缩技术JBIG1压缩后由其他传输方式发给接收方,位置表可作为隐藏信息一部分直接隐藏到模型前2%固定区域。
(二)信息提取过程
信息提取过程与信息隐藏过程类似也分为三个步骤:网格信息预处理、信 息提取、网格重构。其中网格信息预处理与网格重建与信息隐藏过程使用相同方法。信息提取利用上部得到分段信息后,根据从模型前2%点提取出位置表得到隐藏信息的网格点位置以及所属峰值段,利用密钥找出每个隐藏点隐藏的数据信息,并可恢复隐藏点的原始(或上一层)位置。依次类推,直到位置表所有隐藏位置处理完毕为止。对于多层隐藏,提取过程与隐藏信息顺序相反,每层提取过程同上,直到提取完为止。最后可得到隐藏信息SM以及原始网格模型。
(三)实验结果
方案在多个模型上实验均可以达到理想效果,这里选取9个模型进行实验对比。使用Matlab 2012a将上述提案在不同3D模型上进行信息隐藏和提取模拟仿真,并且取得了明显的效果。从结果来看,通过改变截断位数可以明显减小网格的变形误差,并且具备十分高的信息隐藏能力。在衡量评估算法时,用信噪比(PSNR)表现抗噪性,隐藏率(ER)间接表现隐藏能力(EC),其中: 这里表示所有点的数量,2(h-k)为大段个数,peaki表示第i大段中峰值段包含点的个数。
表一是在同一模型中保持h=11,k=2条件不变情况下,改变截断长度L时PSNR、ER等指标的变化,其中PSNR越大表示隐藏变形误差越小。理论上,如果计算精度允许,截断长度L可以设置更长,进而隐藏误差也就越小。并且可以通过考虑最差情况,来设置截断长度使得误差在指定误差范围内(PSNR高于对应的阈值)。另外,从结果可以看到,ER并不随着L的增大而呈现有规律的变化,也就是说嵌入率与截断长度无明显关系。
表一 截断长度L与ER和PSNR关系(实验用Horse模型)
表二列出在不同h(所分小段为2+2h段)、不同k(每大段有2k小段)情况下,得 出PSNR和ER分布情况,以获取合适的h,k取值。从表中可以看出当h取11,k取2时,综合效果较好,即,在保证较小误差(PSNR越大误差越小)同时,能够获得较好的隐藏率ER。这里选取截断长度L=4。
表二 h、k与PSNR以及ER之间的关系(实验用Horse模型)
进一步实验证实该方法在解决隐藏率和信噪比(PSNR)矛盾问题的有效性。在下表中展示出该方法针对不同模型进行隐藏层数和PSNR的关系实验。可以看出,信噪比(PSNR)并没有随着隐藏层数,即隐藏量的增加而明显下降,而是保持在一个较高水平。目前该方法是3D模型信息隐藏中唯一能够解决隐藏量和信噪比矛盾的方法,而且该方法理论上是可以无限量隐藏的。
表三 不同模型下,隐藏层数和PSNR的关系
Claims (1)
1.一种具有可控误差的高容量3D网格模型数据隐藏方法,其特征在于以下步骤,
(一)3D网格信息处理
(1)信息预处理
给定3D网格M(V,E),其中V表示网格顶点集合,E表示网格边集合;首先将模型归一化到固定位置,其中包括放缩变换、旋转变换以及平移变换;
首先,计算模型的矩形包围盒,将模型及其包围盒均匀放缩,使得包围盒最长边为1;然后,利用主成分分析方法对放缩后的包围盒进行旋转变换放置,得到旋转后的模型;最后,计算包围盒的质心,将其平移使得质心与坐标原点重合,得到平移后的模型;经过以上放缩、旋转和平移就得到标准的可用于实验的网格,记为M(V,E);
(2)截断集合构造
对V中的数据进行位数截断处理,得到两个子集合:数据截留子集合VI和截断子集合VII
V=VI+VII*Sign_V (1)
其中,Sign_V为符号函数纪录原始数据符号信息,VI用于存储原始数据截留部分,VII用于信息隐藏处理;
由预处理可知,模型点的数据每个分量都是绝对值小于1的,表示成“0.***…***”形式,这里*表示0-9的任何整数;首先给定截断长度L,将V分成两部分:前L位截留部分VI,包括符号,保留到小数点后L-1位和剩余截断部分VII,数据分量都是“0.00…0***”形式,其中小数点后L-1位都为0;后续处理过程都是在截断集合VII上进行,得到隐藏信息后的截断集合VII’,根据公式(1)就得到处理后的网格V’
V’=VI+VII’*Sign_V. (2)
使用截断集合有多个优势:首先,截断集合在数值上将原始模型点重新分布,能够将隐藏信息的点分散在整个网格;从每个坐标分量(X,Y,Z)上,是将原始模型点重新排序,不再受数值空间限制;模型点X、Y或Z值在给定小区间内的点不再集中在一个区域,而是分布在整个模型空间;
(3)分段处理
在截断集合VII中,分别对三个坐标分量(X,Y,Z)进行分段处理;下面以X为例,记X中的最大值为Xmax,最小值为Xmin;将区间[Xmin,Xmax]均匀分成2h+2小区间段,h为正整数,令对应小段编号为{0,1,2,……,2h+1};固定首末两个小段不动,再对剩下的2h个小段即{1,2,……,2h}进行按序分成若干个大区间段,每个大区间段包含2k个小段,k为正整数且k<h;统计每个小段中包含模型点的个数m,然后在每个大段中挑选出m值最大的小段,记为大段的峰值段,也是将用于隐藏信息的小段;
(二)信息隐藏
给定待隐藏信息SM={001110010100…010},或该隐藏信息写成k-位信息流形式,即每k位合并成一组,隐藏到隐藏信息的数据点上;
(4)位置表及密钥构造
对于每个分量(X,Y,Z),根据每大段的峰值段,生成数据隐藏位置的位置表,即可隐藏信息处记为1,非隐藏处记为0;保持首小段和末小段不变,即0段和2h+1段的包含的所有网格点对应位置表都应设为0;首尾两段不变,确保模型隐藏信息后其对应的包围盒不改变,另外,还能够保证提取时所需的分段信息不改变;
由前面可知,每个大段中包含2k个小段,根据大段中小段的标号,构建一个k-位二进制密钥,即每个小段唯一对应一个k-位二进制数,对应的十进制整数是[0,2k-1];给定一组k-位隐藏信息,该密钥唯一确定了该信息与小段间的对应关系;
(5)隐藏流程
对于每个分量(X,Y,Z),从对应的位置表中按顺序逐个提取非零元素,即可隐藏信息的数据点位置,每个大段的峰值段的第一个点不藏入信息;对于取出的可隐藏点位置,从SM中取出一组k位数据,根据定义的密钥可知该k位数据对应的小段标号,将可隐藏点从原来所属小段移动到密钥中数据对应的小段中,并将该点一环邻域点标记为非隐藏点;这里隐藏点移动距离为d=(s1-s2)*|s|,其中s1为当前点原来所属小段标号,s2为密钥中数据对应的小段标号,|s|为小段的长度;依次类推,当位置表中所有可隐藏点都处理完毕或者SM中信息隐藏完毕为止;
(6)模型重构
所有分量都处理完后,即得到隐藏有信息的新截断点集VII’,再根据公式(2)可得到隐藏信息后的3D网格模型V’;
(7)多层隐藏
多层隐藏将以上的单层隐藏过程重复步骤(4)-(6)进行即可,提取过程按照隐藏信息相反顺序进行;
信息隐藏过程是将SM信息隐藏到3D网格的顶点坐标信息中,密钥,截取长度以及隐藏层数可以由压缩技术压缩后由其他传输方式发给接收方,位置表可作为隐藏信息一部分直接隐藏到模型前部分固定区域;
(三)信息提取
给定隐藏信息的3D网格、密钥、截断长度和隐藏层数;首先利用和隐藏过程同样的网格信息处理方式,得到分段信息;然后根据位置表找到隐藏信息的网格点位置以及所属峰值段,利用密钥找出每个隐藏点隐藏的数据信息,并可恢复隐藏点的原始或上一层位置;依次类推,直到位置表所有隐藏位置处理完毕为止,再通过与隐藏过程相同的重构方法得到原始或上一层模型;对于多层隐藏,提取过程与隐藏信息顺序相反,每层提取过程同上,直到提取完为止;最后可得到隐藏信息SM以及原始网格模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410613649.0A CN104463764B (zh) | 2014-11-04 | 2014-11-04 | 一种具有可控误差的高容量3d网格模型数据隐藏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410613649.0A CN104463764B (zh) | 2014-11-04 | 2014-11-04 | 一种具有可控误差的高容量3d网格模型数据隐藏方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463764A CN104463764A (zh) | 2015-03-25 |
CN104463764B true CN104463764B (zh) | 2017-05-17 |
Family
ID=52909752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410613649.0A Expired - Fee Related CN104463764B (zh) | 2014-11-04 | 2014-11-04 | 一种具有可控误差的高容量3d网格模型数据隐藏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463764B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049877A (zh) * | 2012-12-03 | 2013-04-17 | 江苏大学 | 基于顶点分布特征数字化三维模型的水印嵌入和检测方法 |
CN103544674A (zh) * | 2013-10-16 | 2014-01-29 | 大连理工大学 | 一种基于数独的渐进式秘密图像加密共享方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2834854B1 (fr) * | 2002-01-11 | 2004-05-28 | Thales Sa | Procede et systeme de decodage de tatouage |
-
2014
- 2014-11-04 CN CN201410613649.0A patent/CN104463764B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049877A (zh) * | 2012-12-03 | 2013-04-17 | 江苏大学 | 基于顶点分布特征数字化三维模型的水印嵌入和检测方法 |
CN103544674A (zh) * | 2013-10-16 | 2014-01-29 | 大连理工大学 | 一种基于数独的渐进式秘密图像加密共享方法 |
Non-Patent Citations (2)
Title |
---|
REVERSIBLE WATERMARK FOR 3D VERTICES BASED;Ding Chou et al.;《International Journal of Innovative》;20090731;第5卷(第7期);第1893-1901页 * |
可还原式数据嵌入技术的研究;王智慧;《中国博士学位论文全文数据库 信息科技辑》;20101015(第10期);第I139-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104463764A (zh) | 2015-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Coverless steganography based on image retrieval of DenseNet features and DWT sequence mapping | |
Sun | A novel edge based image steganography with 2k correction and Huffman encoding | |
Buyssens et al. | Exemplar-based inpainting: Technical review and new heuristics for better geometric reconstructions | |
CN101847163B (zh) | 一种多特征融合的外观设计专利图像检索方法 | |
Fadl et al. | Robust copy–move forgery revealing in digital images using polar coordinate system | |
CN111340047B (zh) | 基于多尺度特征与前背景对比的图像语义分割方法及系统 | |
CN105654049A (zh) | 人脸表情识别的方法及装置 | |
CN102968635B (zh) | 一种基于稀疏编码的图像视觉特征提取方法 | |
CN110070091B (zh) | 用于街景理解的基于动态插值重建的语义分割方法及系统 | |
CN105787492A (zh) | 基于均值采样的局部三值模式纹理特征提取方法 | |
Gul et al. | A novel pixel-wise authentication-based self-embedding fragile watermarking method | |
CN102663399B (zh) | 一种基于Hilbert曲线和LBP的图像局部特征提取方法 | |
Ma et al. | Demonstration of quantum image edge extration enhancement through improved Sobel operator | |
CN103810755A (zh) | 基于结构聚类稀疏表示的压缩感知光谱图像重建方法 | |
CN105740875A (zh) | 一种基于多尺度三维块特征提取的肺结节多轮分类方法 | |
CN104318563A (zh) | 一种基于医学图像的器官骨架提取方法 | |
Zhang et al. | Reversibility improved data hiding in 3D mesh models using prediction-error expansion and sorting | |
CN110263504A (zh) | 基于差分进化算法的可逆关系数据库水印嵌入和提取方法 | |
Zhang et al. | Reversible data hiding for 3D mesh models with hybrid prediction and multilayer strategy | |
CN110490790B (zh) | 一种改进差值扩展的大容量可逆图像水印算法 | |
Zhu et al. | Generative high-capacity image hiding based on residual CNN in wavelet domain | |
CN104282042B (zh) | 一种基于段移位的可逆3d多边形网格数据隐藏方法 | |
CN104463764B (zh) | 一种具有可控误差的高容量3d网格模型数据隐藏方法 | |
Montefalcone et al. | Inpainting CMB maps using partial convolutional neural networks | |
CN101000651B (zh) | 一种多源纹理图像的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
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: 20170517 Termination date: 20191104 |