CN105005961B - 适用于不规则三角网数字高程模型的信息伪装及还原方法 - Google Patents
适用于不规则三角网数字高程模型的信息伪装及还原方法 Download PDFInfo
- Publication number
- CN105005961B CN105005961B CN201510386461.1A CN201510386461A CN105005961B CN 105005961 B CN105005961 B CN 105005961B CN 201510386461 A CN201510386461 A CN 201510386461A CN 105005961 B CN105005961 B CN 105005961B
- Authority
- CN
- China
- Prior art keywords
- data
- elevation
- scrambling
- sequence
- substitution
- 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.)
- Active
Links
Landscapes
- Complex Calculations (AREA)
Abstract
本发明涉及一种适用于不规则三角网数字高程模型的信息伪装及还原方法,属于数字高程数据处理技术领域。本发明的信息伪装方法主要包括空间置乱和数值代换两个部分,其中空间置乱采用Tent混沌映射的方式实现,数值代换采用中国剩余定理进行。与传统的信息保护方法相比,本发明采用上述信息伪装的方式进行信息保护具有迷惑性强,安全性能高的突出优点,能够为不规则三角网数字高程模型中的重要高程信息提供安全防护,可以有效保障不规则三角网数字高程模型数据的存储和传输。
Description
技术领域
本发明涉及一种适用于不规则三角网数字高程模型的信息伪装及还原方法,属于数字高程数据处理技术领域。
背景技术
不规则三角网(Triangulated Irregular Netting,TIN)是数字高程模型(Digital Elevation Model,DEM)的一种重要表现形式,通过连接离散的高程采样点,将地形表达成不重叠的连续三角面,具有数据量小、地形细节表达详细等优点,特别适用于高精度的地形建模与仿真,在国防和经济领域应用广泛。
数据共享是信息时代的一个重要标志,目前用户可以在开放的网络环境中下载到全球大部分地区的不同精度的高程数据,但是重点地区尤其是这些地区的高精度数据,仍具有重要的保护价值。例如,美国将全球90m的SRTM数字高程数据进行共享,却将更高精度的DEM数据列为本国的重要机密,用于更好的部署部队、研究高精确制导武器等军事目的。我国生产的各种分辨率的DEM数据,也仅向公众开放提供1:100万的数据,其他分辨率数据的申领必须经过行政审批。由于代表了精确的空间定位信息,重要地区的高程数据一旦泄露,会对国家安全和经济建设造成巨大的损失。
目前针对TIN模型的信息保护主要有信息加密和数字水印两种。信息加密能够为所有数据提供通用的保护模式,结果一般是无法理解的数据流,加密后数据在公开信道中传输主要存在以下问题:(1)目标明显,特别容易受到关注。由于加密成了乱码,这些数据更容易引起注意,受到专门攻击;(2)安全性有待提高。研究证明,没有任何一种加密算法完全可靠,高性能计算机的出现更为密码分析提供了极大方便。即使攻击者不能在短时间内进行破译,也可以对原始信息进行破坏和篡改数,影响数据使用。不规则三角网的数字水印技术是在三维网格水印的基础上发展而来,近年出现了多种更具有针对性的TIN水印算法。但是由于能够处理的数据量较小,数字水印更注重版权保护,很少直接用于保护高数数据内容本身。
发明内容
本发明的目的是提供一种适用于不规则三角网数字高程模型的信息伪装及还原方法,以解决目前不规则三角网数字高程模型信息保护安全性能不高以及迷惑性不强的问题。
本发明为解决上述技术问题提供了一种适用于不规则三角网数字高程模型的信息伪装方法,该信息伪装方法包括以下步骤:
1)将TIN模型高程数据按照高程节点的横坐标大小进行排序,形成只含有高程数据的一维序列;
2)采用混沌映射将上述一维序列中的数据进行置乱;
3)采用中国剩余定理在空间域上将置乱后的数据进行数值代换,代换后的数据即为伪装后的三角网数字高程模型数据。
所述步骤2)中的混沌映射采用Tent映射。
所述采用Tent映射进行置乱包括以下步骤:
A.以给定Tent映射的参数和初值作为置乱密钥产生混沌序列X;
B.将混沌序列中要素按照从小到大的顺序排列形成X,并记录其中各要素在序列X中的原始地址,形成置换序列P;
C.利用一维离散余弦变换将规范化后的高程数据一维序列中的各高程数值转换到频率域中,形成频率系数序列W;
D.将系数序列W进行分组,对每一组中的频域系数按照置换序列P进行变换,使每组中第i个位置的数据置换到第pi个位置上,组合后得到置乱频率系数集合W′;
E.利用一维离散余弦逆变换将W′转换到空间域上,完成数据置乱。
所述采用中国剩余定理进行数值代换的步骤如下:
a.将经过置乱的所有高程数值进行规范化处理,并将每个高程值hi分为两部分:
bi=[hi/1000]
ci=hi(mod1000)
形成数据集合:
Bi={bi|i=1,2,3,…,L}和Ci={ci|i=1,2,3,…,L}
其中L表示TIN中高程结点的数量;
b.选择四个正的素数m1、m2、m3、m4>1000作为代换密钥,利用m1和m2依次转换b2n-1和c2n-1得到D2n-1,利用m3和m4依次转换b2n和c2n得到D2n,将集合D2n-1和D2n合并形成集合D,其中n=1,2,3,…,[L/2];
c.将集合D内的数据归化到原始数据的取值范围内:
其中,Hmax和Hmin分别表示原始高程数据的最大值和最小值,di为集合D内的数据,Dmax和Dmin表示经中国剩余定理处理后得到代换数组中的最大值和最小值;
d.将得到的d′i形成最终的数据集合D′,即得到了经过中国剩余定理伪装的三角网数字高程数据。
本发明还提供了一种数据还原方法,该数据还原方法包括代换还原和置乱还原,
所述代换还原是将伪装数据在空间域上利用中国剩余定理还原到代换伪装之前的状态,是伪装代换的逆过程;
所述置乱还原是将伪装数据在频率域中利用Tent映射还原到原始位置,是伪装置乱的逆过程。
所述代换还原包括以下步骤:
1)将伪装数据进行规范化处理;
2)利用密钥Dmax和Dmin,将伪装数据中所有的高程数值利用下式进行转换:
其中,H′max和H′min形成分别表示伪装数据中的最大值和最小值,得到转换后的数据集合D;
3)利用代换密钥m1、m2、m3、m4,按照中国剩余定理,对得到的集合D中的每一个元素进行处理,每一个元素解密可以得到两个原始数据,依次加入数据集合E;
4)对E中的元素,作如下处理
组合得到集合F,为TIN伪装数据进行数据代换前、高程置乱后的结果。
所述置乱还原包括以下步骤:
(1)利用置乱密钥a、x0和N,根据式1生成混沌序列X,按照置乱方法得到置乱序列P;
(2)利用一维离散余弦变换将代换还原后的高程集合F转换到频率域中,得到频率系数集合W',利用P对其进行反置乱,得到原始频率系数集合W;
(3)利用一维离散余弦逆变换将W转换到空间域上,完成置换还原,得到原始的高程数据集合,并将其一一对应于原始的空间坐标,得到最终结果即为还原后的三角网数字高程模型数据。
本发明的有益效果是:本发明的信息伪装方法主要包括空间置乱和数值代换两个部分,其中空间置乱采用Tent混沌映射的方式实现,数值代换采用中国剩余定理进行。与传统的信息保护方法相比,本发明采用上述信息伪装的方式进行信息保护具有迷惑性强,安全性能高的突出优点,能够为不规则三角网数字高程模型中的重要高程信息提供安全防护,可以有效保障不规则三角网数字高程模型数据的存储和传输。
附图说明
图1是本发明适用于不规则三角网数字高程模型信息伪装方法的原理示意图;
图2是Tent映射的分叉图;
图3是原始不规则三角网数字高程模型规范化后的结果;
图4是采用Tent映射空间置乱后的结果图;
图5是采用中国剩余定理代换后的最终伪装数据的示意图;
图6是代换还原后的数据示意图;
图7是经置乱还原后的最终还原数据示意图;
图8是选取不同初值得到的置乱结果示意图;
图9是选取不同初值得到的伪装数据示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
本发明的适用于不规则三角网数字高程模型的信息伪装方法的实施例
本实施例中以一幅包含853个离散高程点的TIN DEM数据作为待伪装的信息,实验条件为Intel Core i3CPU,2.94GHz,内存2G,显卡缓存256M。为了实现对上述数据的信息伪装,本发明首先在频率域上利用Tent混沌映射进行数据置乱,然后在空间域上利用中国剩余定理进行数值代换,共同完成信息伪装,如图1所示。具体的实施步骤如下:
1.对TIN模型高程数据进行规范化处理
不规则三角网数字高程模型中的数据分布毫无规律,不能直接进行矩阵运算等数学处理。在进行信息伪装之前,需要先将TIN数据所表示三维空间中不的不规则高程点转化成能够直接进行处理的形式。一般情况下,TIN模型中结点数据包含两个坐标值和一个高程值,坐标数据排列不规则,很难归化到类似格网数据的二维空间中,但规范到一维空间中相对简单。本发明首先将原始的TIN DEM数据按照高程节点的横坐标大小进行排序,横坐标相同的纵坐标大的为先,可以将所有结点规范到只含有高程数据的一维序列中,得到结果如附图3所示。
2.利用Tent映射进行空间置乱
混沌映射是一种确定性的非线性伪随机系统,可以利用相同的初始参数重复产生,但是对初值表现出极端的敏感性,极小的差异所形成的混沌序列大不相同。由于产生的混沌序列结构极其复杂,很难进行重构和解析,因此特别适用于信息加密和保密通信,Tent映射构造简单而且搜索效率很高,特别适用于进行一维高程数值的置乱。
Tent映射又称帐篷映射,是一种分段的一维映射,其表达式如下:
其中,μ∈(0,2),xn∈(0,1)可以产生一个序列,其分岔图如附图2所示。通过分析Tent映射的分岔图可以发现:当大约μ>1.4以后,改映射进入混沌状态。
频率域上的空间置乱可以通过一点位置变化影响全局变化,能够改变数据的统计特性,可以抵制相关统计分析的攻击,得到的置乱效果更好。本实施例中利用Tent映射进行空间置乱的具体步骤如下:
A.给定Tent映射的参数a和初值x0,作为置乱密钥,将其带入到式1中迭代N次(大于100)产生混沌序列X={xi|i=1,2,3,…,N}。本实施例中Tent混沌映射的初始值分别选择μ=1.7,x0=0.8为置乱密钥,将其带入到公式(1)中迭代100次产生混沌序列X,表1表示的是该序列的具体内容。
表1
B.比较X中各要素的大小,将其从小到大依次排列形成X'={xi'|i=1,2,3,…,N},并记录其中各要素在序列X中的原始地址,形成置换序列P={pi|i=1,2,3,…,N},pi表示X'中第i个元素在原始序列X中的位置,本实施例中得到置换序列P的内容如表2所示。
表2
C.利用一维离散余弦变换将规范化后的高程数值转换到频率域中,形成频率系数序列W={wi|i=1,2,3,…,L},其中L表示TIN中高程结点的数量,将其分成n=[L/N]组,本实施例中n为8,对每一组中的频域系数按照置换序列P进行变换,将其第i个位置的数据置换到第pi个位置上,组合得到置乱频率系数集合W'。
D.利用一维离散余弦逆变换将W'转换到空间域上,完成数据置乱。
3.利用中国剩余定理进行数值代换
中国剩余定理具体描述如下:
设正整数m1,m2,m3,…,mk两两互素,m=m1m2m3…mk,Mi=m/mi,是Mi模mi的乘法逆元,满足Mi -1Mi=1(mod mi),其中i=1,2,3,…,k。则对于任意k个整数a1,a2,a3,…,ak(k≥2)构成的同余方程:
在模m下有唯一解:
x=M1M1 -1a1+M2M2 -1a1+…+MiMi -1ai(mod m) (式3)
根据中国剩余定理的解算过程可知,利用互素的正整数可以将若干个整数转换成一个大数。同时,根据式2可知:x≡ai(mod mi),当mi>ai时,ai有唯一解,ai=x(mod mi),由此可以推定,利用中国剩余定理加密正整数集合Ai={ai|i=1,2,3,…,k}时,选用k个大于max(Ai)两两互素的整数,可以得到唯一结果。
本发明利用中国剩余定理进行数值代换的过程如下:
a.数据预处理
将经过置乱的所有高程值转换成厘米级后取整数,根据陆地高程的取值范围,保留到厘米级整数时正整数的位数最多为6(小于884443cm)。将每个高程值hi分为两部分:
bi=[hi/1000] (3)
ci=hi(mod1000) (4)
形成数据集合:
Bi={bi|i=1,2,3,…,L}
Ci={ci|i=1,2,3,…,L}
其中L表示TIN中高程结点的数量,将高程数据转换成厘米级不仅可以增加数据伪装的精度,还能够尽量减少bi等于0的可能性,避免代换过程中0值的参与,使得计算结果趋于合理。本实施例中所形成的形成集合Bi和Ci的部分内容如表3所示。
表3
b.利用中国剩余定理进行数值代换
选择四个正的素数m1,m2,m3,m4>1000,作为代换密钥,本实施例中选择的四个正的素数代换密钥(m1,m2,m3,m4)为(1021,4597,1039,2351),利用中国剩余定理,按照规范化后形成的顺序,利用m1和m2依次转换b2n-1和c2n-1得到D2n-1,利用m3和m4依次转换b2n和c2n得到D2n,其中n=1,2,3,…,[L/2],D为转换后的数值集合,即每次利用密码可以加密两个高程值,得到两个新的整数。同时密钥的个数可以根据实际情况选择,数量越多,计算的复杂度就越高,安全性也越强。
得到的集合D的部分内容如表4所示。
表4
c.归化数值到合理的高程取值范围
通过中国剩余定理转换得到的数值di∈D的取值范围为[0,Hm),其中Hm=max(m1m2,m3m4),为了增加伪装数据的迷惑性,避免不符合该坐标范围内高程数值的出现,将其数据归化到原始数据的取值范围内,采用方法如下:
其中,Hmax和Hmin分别表示原始高程数据的最大值和最小值;Dmax和Dmin表示经中国剩余定理处理后得到代换数组中的最大值和最小值,记录Dmax和Dmin作为密钥的一部分。
d.将得到的di'形成最终的数据集合D',即得到了经过中国剩余定理伪装的TIN数据,如图5所示。
将经过置换和代换的一维离散高程数据按照数据规范化的逆过程依次分配给TIN模型数据中对应的各个高程结点,就完成了整个信息伪装过程。
TIN DEM的信息伪装除了能够达到预期的伪装效果,具有一定的迷惑性外,更应该具有足够高的安全性能。为了保证伪装数据的绝对安全,设计的伪装算法应当具有尽可能的大密钥空间,能够抵抗高速度计算机的穷举分析。只有密钥空间大于2100时,才认为该算法是安全的。表面上看,利用Tent映射和中国剩余定理密钥的选择范围很小,但是其具有极度的敏感性。当其他条件不变,仅将图3实验中的密钥改为x0=0.800001时,得到的结果如附图8和附图9所示。通过分析可以发现:即使密钥发生极小的变化,得到的伪装数据就有极大的不同。说明设计的算法对密钥具有极大的敏感性,虽然取值范围有限,但仍具有很大的密钥空间。
本发明的适用于不规则三角网数字高程模型的信息伪装还原方法的实施例
本实施例针对的是上个实施例中所提供的信息伪装方法,信息还原方法是信息伪装的逆过程,根据上述实施例中的信息伪装方法,本实施例中的信息伪装还原方法主要包括代换还原和置乱还原两部分。
1.代换还原
代换还原是指将伪装数据在空间域在利用中国剩余定理还原到代换伪装之前的状态,是伪装代换的逆过程,伪装数据的信息还原过程和信息伪装过程完全相反,该过程包括以下步骤:
1)首先按照相同方法将伪装数据进行规范化,方便进行还原处理;
2)利用密钥Dmax和Dmin,将伪装数据中所有的高程数值利用下式进行转换:
其中,H'max和H'min分别表示伪装数据中的最大值和最小值,得到转换后的数据集合D。
3)利用代换密钥m1、m2、m3、m4,按照中国剩余定理,对得到的集合D中的每一个元素进行处理,根据式3,每一个元素解密可以得到两个原始数据,依次加入数据集合E;
4)对E中的元素,作如下处理
组合得到集合F,为TIN伪装数据进行数据代换前、高程置乱后的结果。
2.置乱还原
置乱还原是指将伪装数据在频率域中利用Tent映射还原到原始位置,是伪装置乱的逆过程,步骤如下:
1)利用置乱密钥a、x0和N,根据式1生成混沌序列X,按照置乱步骤B的方法得到置乱序列P;
2)利用一维离散余弦变换将代换还原后的高程集合F转换到频率域中,得到频率系数集合W',利用P对其进行反置乱,得到原始频率系数集合W;
3)利用一维离散余弦逆变换将W转换到空间域上,完成置换还原,得到原始的高程数据集合,并将其一一对应于原始的空间坐标,得到最终还原后的TIN数据。
本实施例中选用混沌映射的初始值μ=1.7,x0=0.8以及代换密钥(m1,m2,m3,m4)为(1021,4597,1039,2351),可以依次得到代换还原和置乱还原的数据,结果如附图6和附图7所示。
Claims (6)
1.一种适用于不规则三角网数字高程模型的信息伪装方法,其特征在于,该信息伪装方法包括以下步骤:
1)将TIN模型高程数据按照高程节点的横坐标大小进行排序,形成只含有高程数据的一维序列;
2)采用混沌映射将上述一维序列中的数据进行置乱;
3)采用中国剩余定理在空间域上将置乱后的数据进行数值代换,代换后的数据即为伪装后的三角网数字高程模型数据;
所述采用中国剩余定理在空间域上将置乱后的数据进行数值代换的步骤如下:
a.将经过置乱的所有高程数值进行规范化处理,并将每个高程值hi分为两部分:
bi=[hi/1000]
ci=hi(mod1000)
形成数据集合:
Bi={bi|i=1,2,3,…,L}和Ci={ci|i=1,2,3,…,L}
其中L表示TIN中高程结点的数量;
b.选择四个正的素数m1,m2,m3,m4>1000作为代换密钥,利用m1和m2依次转换b2n-1和c2n-1得到D2n-1,利用m3和m4依次转换b2n和c2n得到D2n,将集合D2n-1和D2n合并形成集合D,其中n=1,2,3,…,[L/2],算符“[]”表示取整函数;
c.将集合D内的数据归化到原始数据的取值范围内:
<mrow>
<msup>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>&times;</mo>
<mo>(</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>D</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
其中,Hmax和Hmin分别表示原始高程数据的最大值和最小值,di为集合D内的数据,Dmax和Dmin表示经中国剩余定理处理后得到代换数组中的最大值和最小值;
d.将得到的d′i形成最终的数据集合D′,即得到了经过中国剩余定理伪装的三角网数字高程数据。
2.根据权利要求1所述的适用于不规则三角网数字高程模型的信息伪装方法,其特征在于,所述步骤2)中的混沌映射采用Tent映射。
3.根据权利要求2所述的适用于不规则三角网数字高程模型的信息伪装方法,其特征在于,所述采用Tent映射进行置乱包括以下步骤:
A.以给定Tent映射的参数和初值作为置乱密钥产生混沌序列X;
B.将混沌序列中要素按照从小到大的顺序排列形成X,并记录其中各要素在序列X中的原始地址,形成置换序列P;
C.利用一维离散余弦变换将规范化后的高程数据一维序列中的各高程数值转换到频率域中,形成频率系数序列W;
D.将系数序列W进行分组,对每一组中的频域系数按照置换序列P进行变换,使每组中第i个位置的数据置换到第pi个位置上,组合后得到置乱频率系数集合W′;
E.利用一维离散余弦逆变换将W′转换到空间域上,完成数据置乱。
4.一种如权利要求1所述信息伪装方法的数据还原方法,其特征在于,该数据还原方法包括代换还原和置乱还原,
所述代换还原是将伪装数据在空间域上利用中国剩余定理还原到代换伪装之前的状态,是伪装代换的逆过程;
所述置乱还原是将伪装数据在频率域中利用Tent映射还原到原始位置,是伪装置乱的逆过程。
5.根据权利要求4所述的数据还原方法,其特征在于,所述代换还原包括以下步骤:
1)将伪装数据进行规范化处理;
2)利用密钥Dmax和Dmin,将伪装数据中所有的高程数值利用下式进行转换:
<mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<msub>
<msup>
<mi>H</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>&times;</mo>
<mo>(</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<msup>
<mi>H</mi>
<mo>&prime;</mo>
</msup>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<msup>
<mi>H</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中,H'max和H'min分别表示伪装数据中的最大值和最小值,得到转换后的数据集合D;
3)利用代换密钥m1、m2、m3、m4,按照中国剩余定理,对得到的集合D中的每一个元素进行处理,每一个元素解密可以得到两个原始数据,依次加入数据集合E;
4)对E中的元素,作如下处理
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>F</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mn>1000</mn>
<msub>
<mi>E</mi>
<mrow>
<mn>4</mn>
<mi>n</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>E</mi>
<mrow>
<mn>4</mn>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>F</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1000</mn>
<msub>
<mi>E</mi>
<mrow>
<mn>4</mn>
<mi>n</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>E</mi>
<mrow>
<mn>4</mn>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
组合得到集合F,为TIN伪装数据进行数据代换前、高程置乱后的结果。
6.根据权利要求5所述的数据还原方法,其特征在于,所述置乱还原包括以下步骤:
(1)利用置乱密钥a、x0和N,根据公式生成混沌序列X,按照置乱方法得到置乱序列P;
(2)利用一维离散余弦变换将代换还原后的高程集合F转换到频率域中,得到频率系数集合W',利用P对其进行反置乱,得到原始频率系数集合W;
(3)利用一维离散余弦逆变换将W转换到空间域上,完成置换还原,得到原始的高程数据集合,并将其一一对应于原始的空间坐标,得到最终结果即为还原后的三角网数字高程模型数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510386461.1A CN105005961B (zh) | 2015-06-30 | 2015-06-30 | 适用于不规则三角网数字高程模型的信息伪装及还原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510386461.1A CN105005961B (zh) | 2015-06-30 | 2015-06-30 | 适用于不规则三角网数字高程模型的信息伪装及还原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105005961A CN105005961A (zh) | 2015-10-28 |
CN105005961B true CN105005961B (zh) | 2018-02-02 |
Family
ID=54378620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510386461.1A Active CN105005961B (zh) | 2015-06-30 | 2015-06-30 | 适用于不规则三角网数字高程模型的信息伪装及还原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105005961B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109286607B (zh) * | 2018-08-07 | 2020-11-03 | 中国石油天然气集团有限公司 | 基于测绘控制点成果表对数字高程模型加密的方法 |
CN113469868B (zh) * | 2021-07-16 | 2022-11-15 | 重庆市勘测院 | 一种基于结构变化的实景三维模型数字水印添加方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106370A (zh) * | 2013-02-16 | 2013-05-15 | 中国人民解放军信息工程大学 | 一种适用于数字高程模型的信息伪装与还原方法 |
CN103957418A (zh) * | 2014-03-24 | 2014-07-30 | 北京工业大学 | 基于离散量子游走和中国剩余定理的图像加密压缩方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011156962A1 (en) * | 2010-06-18 | 2011-12-22 | Empire Technology Development Llc | Asymmetrical chaotic encryption |
-
2015
- 2015-06-30 CN CN201510386461.1A patent/CN105005961B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106370A (zh) * | 2013-02-16 | 2013-05-15 | 中国人民解放军信息工程大学 | 一种适用于数字高程模型的信息伪装与还原方法 |
CN103957418A (zh) * | 2014-03-24 | 2014-07-30 | 北京工业大学 | 基于离散量子游走和中国剩余定理的图像加密压缩方法 |
Non-Patent Citations (2)
Title |
---|
一种基于DCT和混沌序列的图像加密算法;燕善俊 等;《徐州工程学院学报》;20141231;第29卷(第4期);第39-43页 * |
二维分段线性混沌映射耦合中国剩余定理的图像加密压缩同步算法;郭祖华 等;《计算机应用与软件》;20150531;第32卷(第5期);第288-291、329页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105005961A (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xian et al. | Double parameters fractal sorting matrix and its application in image encryption | |
Shang et al. | A block location scrambling algorithm of digital image based on Arnold transformation | |
CN104766264B (zh) | 一种分块双层自适应扩散图像加密方法 | |
CN106296561B (zh) | 基于超混沌系统的图像加密方法及装置、解密方法及装置 | |
CN103258312B (zh) | 具有快速密钥流生成机制的数字图像加密方法 | |
CN107481180B (zh) | 基于元胞自动机和分块压缩感知的图像加密方法 | |
CN114679250B (zh) | 基于混合混沌和Arnold变换的图像加密算法 | |
CN112202545B (zh) | 基于y型填充曲线和变步长约瑟夫遍历的图像加密方法 | |
CN108696666A (zh) | 基于拉丁方置乱的彩色图像加密方法 | |
CN109361830B (zh) | 一种基于明文的图像加密方法 | |
Gao et al. | An authenticatable (2, 3) secret sharing scheme using meaningful share images based on hybrid fractal matrix | |
CN114389788A (zh) | 混合混沌与分块置乱的图像加密算法 | |
CN115580687A (zh) | 基于变参数超混沌系统与s形扩散的多图像加密方法 | |
CN105005961B (zh) | 适用于不规则三角网数字高程模型的信息伪装及还原方法 | |
CN115766962A (zh) | 一种基于五维保守超混沌系统的多密钥图像加密方法 | |
Hashim et al. | Based complex key cryptography: new secure image transmission method utilizing confusion and diffusion | |
Raikhlin et al. | The elements of associative stegnanography theory | |
CN103559678A (zh) | 一种shp线面图层数据的置乱与还原方法 | |
Budiman et al. | A Combination of Block-Based Chaos with Dynamic Iteration Pattern and Stream Cipher for Color Image Encryption. | |
Guyeux et al. | Improving random number generators by chaotic iterations application in data hiding | |
CN111737712B (zh) | 一种基于三维动态整数帐篷映射的彩色图像加密方法 | |
Agarwal | Cryptographic key generation using burning ship fractal | |
Algredo-Badillo et al. | Lightweight security hardware architecture using DWT and AES algorithms | |
Pan et al. | A new algorithm of image encryption based on 3D Arnold Cat | |
Mathur et al. | Blended Vector Matrix on Different Channels of Image Encryption with Multi-Level Distinct Frequency Based Chaotic Approach to Prevent Cyber Crimes by Using Affine Transformation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |