CN111667395A - 一种三维模型版权认证方法 - Google Patents

Abstract

本发明公开了一种三维模型版权认证方法，该方法包括：在认证前，根据原始三维模型文件生成无意义零水印信息Moran；对版权图像基于Logistics置乱，生成置乱版权信息Copyright；将Moran与Copyright进行异或运算，得到特征信息Watermark，并进行安全性存储；在需要对三维模型文件认证时，根据待认证三维模型文件生成无意义零水印信息Moran2；将Watermark和Moran2进行异或运算，得到版权信息Copyright2；计算Copyright2和Copyright的莱文斯坦字符相似度Similarity；如果Similarity>阈值TH，则判定待认证三维模型侵权，认证不通过；否则，判定待认证三维模型文件认证通过，并生成版权图像。本发明不会干扰三维模型文件且鲁棒性较高，可有效解决信息安全、防伪溯源和版权保护方面的问题。

Description

一种三维模型版权认证方法

技术领域

本发明涉及水印技术，尤其涉及一种三维模型版权认证方法。

背景技术

目前，三维模型因其具有直观、形象、精细、完整等优点，已逐步成为GIS数据表达的重要组成部分和智慧城市、数字地球等重要建设内容，并在城市规划、无线通信、灾害管理、地籍管理、旅游、交通及环境仿真等诸多领域表现出了巨大的应用潜力。然而，随着三维模型应用领域的不断扩大以及三维模型自身存储、传输、复制的便捷性，三维模型所面对的非法复制、修改、传播、盗用等问题日趋严重，给三维模型的生产者带来了巨大的经济损失。为此，如何保护三维模型数据的安全与知识产权，已成为急需解决的科学与应用问题。

数字水印技术是一种基于内容的、非密码机制的计算机信息隐藏技术，是利用数字产品中普遍存在的冗余来将水印信息藏入其中从而达到版权保护目的的一种技术。该技术为三维模型的信息安全、防伪溯源和版权保护提供了一种切实可行的解决途径。目前，对于数字水印技术的研究主要集中在图像、视频和声音等多媒体信息的版权保护上，对三维模型的数字水印技术方面研究相对较少。区别于图像、视频和声音等多媒体数据，三维模型数据由点、线、面、体等要素构成，同时具有几何信息与拓扑信息。这使得传统的水印方法不能简单照搬地应用于三维模型。1997年，在日本IBM东京研究工作室工作的OHBUCHI等在ACMMultimedia国际会议上发表了一篇关于三维网格模型水印的文章。该文章的发表具有里程碑意义，为后续的三维模型水印技术的研究提供了开阔的思路和方法。近年，国内外学者对三维模型水印技术进行了一系列研究，取得了不少成果。最为经典的是OHBUCHI所提出的TSQ(Triangle Similarity Quadruple)算法和TVR(Tetrahedral Volume Ratio)算法。另外还有TSPS(Triangle Strip Peeling Symbol Sequence)嵌入算法，基于形状属性(如纹理映射坐标)调整的水印算法和MDP(Mesh Density Pattern)嵌入算法。然而，这些方法一般存在着以下两方面不足：1)嵌入在三维模型中的版权标记，易被其操纵软件—三维软件的坐标变换、投影变换、旋转、放大、缩小等操作所擦除，算法的鲁棒性难以满足版权保护的需要；2)版权标记的嵌入会对三维模型造成一定的失真。

面向三维模型的海量特点与高保真要求，基于传统版权标记算法的版权认证越来越无能为力。零水印作为一种新型的数字水印系统，由于是利用原始作品的重要特征来构造原始水印信号，而不是修改这些特征，可以很好地解决数字水印的不可感知性和鲁棒性之间的矛盾，并是一种天然的盲水印系统。为此，本发明主要基于三维模型的自身特征来构建零水印，并基于零水印版权标识和认证原理进行三维模型的版权认证。

发明内容

发明目的：本发明针对现有技术中水印信息易受到干扰及鲁棒性不够的问题，提供一种三维模型版权认证方法，本发明不需要嵌入水印信息因此文件不会受到干扰，且鲁棒性较高，可有效解决信息安全、防伪溯源和版权保护方面的问题。

技术方案：本发明所述的三维模型版权认证方法包括：

(1)根据原始三维模型文件生成无意义零水印信息Moran；

(2)对版权图像基于Logistics置乱，生成置乱版权信息Copyright；

(3)将Moran与Copyright进行异或运算，得到特征信息Watermark，并进行安全性存储；

(4)在需要对三维模型文件认证时，获取待认证三维模型文件对应的原始三维模型文件的特征信息Watermark和置乱版权信息Copyright；

(5)根据待认证三维模型文件生成无意义零水印信息Moran2；

(6)将Watermark和Moran2进行异或运算，得到版权信息Copyright2；

(7)计算Copyright2和Copyright的莱文斯坦字符相似度Similarity；

(8)如果Similarity>阈值TH，则判定待认证三维模型侵权，认证不通过；否则，判定待认证三维模型文件认证通过，并生成版权图像。

进一步的，步骤(1)具体包括：

(1-1)读取未嵌入水印的原始三维模型文件，得到点集合POI＝{p_i|i＝0,1,2,…,I-1}和面集合SHPAE＝{s_j(p_o,p_p,p_q)|j＝0,1,2,…,J-1,o,p,q∈(0,1,2,…,I-1)}，其中，p_i表示POI中第i个点，s_j表示SHPAE中第j个面，I为点元素的数量，J为面元素的数量；

(1-2)对集合SHPAE进行数据清洗，删除三个顶点之间具有公共点的面，从而得到清洗后的三角面集合SHAPE2；

(1-3)根据SHAPE2中各个三角面所对应的三个顶点坐标，计算各三角面的面积以及其质心，并存入集合Tri＝{(c_k,area_k)|k＝0,1,2,…,K-1}，其中c_k是SHAPE2中第k个三角面的质心，area_k是对应面积，K为SHAPE2中三角面的数量；

(1-4)采用下式顺序计算集合Tri中每n个三角面之间的莫兰系数，并存储至集合Moran＝{m_r|r＝0,1,2,…,R-1}中：

式中，n为K除以版权图像像素数量后的取整，即将集合Tri中所有三角面划分为R个子集合，每个子集合中有n个三角面，m_r表示第r个子集合中三角面之间的莫兰系数，共R个莫兰系数；

分别表示第r个子集合中第k1、k2个三角面的面积与集合Tri中三角面平均面积值的偏差，

是第r个子集合中第k1、k2个三角面之间的空间权重，取值区间为(0,1]；

(1-5)根据下式对集合Moran元素进行二值化处理，处理后的集合Moran即为无意义零水印信息：

式中，med是集合Moran元素的中值。

进一步的，步骤(2)具体包括：

(2-1)按行顺序读取版权图像像素值，存储为二维矩阵Image；

(2-2)根据下式二值化处理二维矩阵Image：

式中，I_x,y是Image中的第x行第y列的元素，temp为预设分割阈值，且temp∈(0,255)；

(2-3)采用Logistics数字图像混沌加密算法置乱Image，得到集合L1＝{x₀,x₁,...x_IN-1}：

式中，混沌参数a∈(3.5699,4)，迭代初始值x₀∈(0,1)，IN为Image的元素个数；

(2-4)将L1升序排列，存入集合L2＝{y₀,y₁,...y_IN-1}；

(2-5)将Image按照行元素转换为一维矩阵Image’，并交换Image’中的元素I_im和I_jm，将交换后的结果存入集合Copyright作为置乱版权信息，其中I_im、I_jm为Image’中的第im、jm个元素，且jm为L1中的第im个元素x_im在L2中的索引值，即x_im＝y_jm。

进一步的，步骤(3)具体包括：

(3-1)将Moran循环补足至与Copyright相同长度，并将对应位置的元素进行异或运算，将运算结果存入集合Watermark作为特征信息；

(3-2)将特征信息Watermark前加上当前日期时间戳，并根据用户设置密钥Key进行加密，得到带时间戳的版权标识加密信息We；

(3-3)将版权标识加密信息We、密钥信息Key、版权图像行数row、列数col和置乱版权信息Copyright存储，以供版权认证使用。

进一步的，步骤(5)的方法与步骤(1)一致。

进一步的，步骤(6)具体包括：将Moran2循环补足至与Watermark相同长度，并将对应位置的元素进行异或运算，将运算结果存入集合Copyright2作为版权信息。

进一步的，步骤(7)具体包括：

将根据下式，计算集合Copyright2和集合Copyright的莱文斯坦字符相似度Similarity；

式中max(Copyright,Copyright2)是两者的最大字符串长度，D_uv是指从Copyright第u个字符修改到Copyright2第v个字符的最小编辑操作次数，计算公式如下所示：

式中，W_a、W_b、W_c分别表示删除、插入、替换操作的权重。

进一步的，步骤(8)中版权图像的生成方法为：

(8-1)采用Logistics数字图像混沌加密算法置乱Copyright2，得到集合L3＝{x′₀,x′₁,...x′_CN-1}：

x′_v+1＝ax′_v-x′_v ²,v＝0,1,...,CN-1

式中，混沌参数a∈(3.5699,4)，迭代初始值x′₀∈(0,1)，CN为Copyright2的元素个数；

(8-2)将L3升序排列，存入集合L4＝{y′₀,y′₁,...y′_CN-1}；

(8-3)交换Copyright2中的元素c_ic和c_jc，其中c_CN-ic、c_jc为Copyright2中的第CN-ic、jc个元素，且jc为L3中的第ic个元素x′_ic在L4中的索引值，即x′_ic＝y′_jc；

(8-4)将交换后的Copyright2转成row×col的二维矩阵，row、col分别是原始版权信息图像的行列数；

(8-5)将二维矩阵转为灰度图像并输出。

有益效果：本发明与现有技术相比，其显著优点是：本发明根据三维模型文件三角面之间的Moran指数，基于零水印原理，提出了一种针对三维模型数据的版权证方法。该方法对几何、剪裁和编辑等三维模型攻击，具有较好的鲁棒性，可有效解决信息安全、防伪溯源和版权保护方面的问题。

附图说明

图1为本发明提供的三维模型版权认证方法的部分的流程图；

图2为本发明提供的三维模型版权认证方法的另一部分的流程图；

图3为初始版权信息图像；

图4为编辑攻击之后的鲁棒性测试结果；

图5为几何攻击之后的鲁棒性测试结果；

图6为剪裁攻击之后的鲁棒性测试结果。

具体实施方式

下面对本发明技术方案作进一步详细的说明，本实施例的实验数据采用的是南京市灵岩山三维模型数据，该数据的文件类型是OBJ格式。下面结合附图，并通过描述一个具体的实施例，来进一步说明。

如图1和图2所示，本实施例提供了一种三维模型版权认证方法，包括以下步骤：

(1)根据未嵌入水印的原始三维模型文件生成无意义零水印信息Moran。

该步骤具体包括：

(1-1)读取未嵌入水印的原始三维模型文件，得到点集合POI＝{p_i|i＝0,1,2,…,I-1}和面集合SHPAE＝{s_j(p_o,p_p,p_q)|j＝0,1,2,…,J-1,o,p,q∈(0,1,2,…,I-1)}，其中，p_i表示POI中第i个点，s_j表示SHPAE中第j个面，I为点元素的数量，J为面元素的数量；在本实施例中，I＝25624，J＝46351；

(1-2)对集合SHPAE进行数据清洗，删除三个顶点之间具有公共点的面，从而得到清洗后的三角面集合SHAPE2；在本实施例中，共清洗出219个错误面片数据；

(1-3)根据SHAPE2中各个三角面所对应的三个顶点坐标，计算各三角面的面积以及其质心，并存入集合Tri＝{(c_k,area_k)|k＝0,1,2,…,K-1}，其中c_k是SHAPE2中第k个三角面的质心，area_k是对应面积，K为SHAPE2中三角面的数量；在本实施例中，K＝46132；

(1-4)采用下式顺序计算集合Tri中每n个三角面之间的莫兰系数，并存储至集合Moran＝{m_r|r＝0,1,2,…,R-1}中：

式中，n为K除以版权图像像素数量后的取整，即将集合Tri中所有三角面划分为R个子集合，每个子集合中有n个三角面，m_r表示第r个子集合中三角面之间的莫兰系数，共R个莫兰系数；

分别表示第r个子集合中第k1、k2个三角面的面积与集合Tri中三角面平均面积值的偏差，

是第r个子集合中第k1、k2个三角面之间的空间权重，取值区间为(0,1]；本实施例中,n＝4；R＝11533；空间权重

采用第k1、k2个三角面之间的反距离权重。

(1-5)根据下式对集合Moran元素进行二值化处理，处理后的集合Moran即为无意义零水印信息：

式中，med是集合Moran元素的中值。

(2)对版权图像基于Logistics置乱，生成置乱版权信息Copyright。

该步骤具体包括：

(2-1)按行顺序读取版权图像像素值，存储为二维矩阵Image；在本实施例中，初始版权信息图像为一幅99×105分辨率的PNG文件类型的图像，如图3所示；

(2-2)根据下式二值化处理二维矩阵Image：

式中，I_x,y是Image中的第x行第y列的元素，temp为预设分割阈值，且temp∈(0,255)；row是图像的行数，col是图像的列数，在本实施例中，temp＝100，row＝105，col＝99；

(2-3)采用Logistics数字图像混沌加密算法置乱Image，得到集合L1＝{x₀,x₁,...x_IN-1}：

式中，混沌参数a∈(3.5699,4)，迭代初始值x₀∈(0,1)，IN为Image的元素个数；在本实施例中，a＝3.999，x₀＝0.5，IN＝10395；

(2-4)将L1升序排列，存入集合L2＝{y₀,y₁,...y_IN-1}；

(2-5)将Image按照行元素转换为一维矩阵Image’，并交换Image’中的元素I_im和I_jm，将交换后的结果存入集合Copyright作为置乱版权信息，其中I_im、I_jm为Image’中的第im、jm个元素，且jm为L1中的第im个元素x_im在L2中的索引值，即x_im＝y_jm。

(3)将Moran与Copyright进行异或运算，得到特征信息Watermark，并进行安全性存储。

该步骤具体包括：

(3-1)将Moran循环补足至与Copyright相同长度，并将对应位置的元素进行异或运算，将运算结果存入集合Watermark作为特征信息；异或的计算公式为：

a、b分别表示两个集合中的对应元素。

(3-2)将特征信息Watermark前加上当前日期时间戳，并根据用户设置密钥Key进行加密，得到带时间戳的版权标识加密信息We；本实施例中，10位当前时间的时间戳为“1590305859”，用户设置的16位密钥信息Key为“qwertgfdaszxcvby”，加密方法为CBC加密算法；

(3-3)将版权标识加密信息We、密钥信息Key、版权图像行数row、列数col和置乱版权信息Copyright存储，以供版权认证使用。

(4)在需要对三维模型文件认证时，获取待认证三维模型文件对应的原始三维模型文件的特征信息Watermark和置乱版权信息Copyright。

其中，特征信息Watermark是将版权标识信息We采用密钥Key进行解密后得到。

(5)根据待认证三维模型文件生成无意义零水印信息Moran2。

该无意义零水印信息Moran2的生成方法与嵌入水印时无意义零水印信息Moran的生成方法相同，即步骤(1)。

(6)将Watermark和Moran2进行异或运算，得到版权信息Copyright2。

异或运算时，将Moran2循环补足至与Watermark相同长度，并将对应位置的元素进行异或运算，将运算结果存入集合Copyright2作为版权信息。

(7)计算Copyright2和Copyright的莱文斯坦字符相似度Similarity。

计算公式具体为：

式中max(Copyright,Copyright2)是两者的最大字符串长度，D_uv是指从Copyright第u个字符修改到Copyright2第v个字符的最小编辑操作次数，计算公式如下所示：

式中，W_a、W_b、W_c分别表示删除、插入、替换操作的权重。本实施例中，采用Python的Levenshtein模块计算莱文斯坦字符相似度。

(8)如果Similarity>阈值TH，则判定待认证三维模型侵权，认证不通过；否则，判定待认证三维模型文件认证通过，并生成版权图像。本实施例中，TH为0.8。

其中，生成版权图像的方法包括步骤：

(8-1)采用Logistics数字图像混沌加密算法置乱Copyright2，得到集合L3＝{x′₀,x′₁,...x′_CN-1}：

x′_v+1＝ax′_v-x′_v ²,v＝0,1,...,CN-1

式中，混沌参数a∈(3.5699,4)，迭代初始值x′₀∈(0,1)，CN为Copyright2的元素个数；

(8-2)将L3升序排列，存入集合L4＝{y′₀,y′₁,...y′_CN-1}；

(8-3)交换Copyright2中的元素c_ic和c_jc，其中c_CN-ic、c_jc为Copyright2中的第CN-ic、jc个元素，且jc为L3中的第ic个元素x′_ic在L4中的索引值，即x′_ic＝y′_jc；

(8-4)将交换后的Copyright2转成row×col的二维矩阵，row、col分别是原始版权信息图像的行列数；

(8-5)将二维矩阵转为灰度图像并输出。

本发明实施例中仅基于OBJ类型的三维模型数据进行了实验，本发明方法同样适用于其它格式的三维模型。针对本实施例的鲁棒性测试结果(图4-图6所示)，表明本发明方法对几何、剪裁和编辑等三维模型攻击，具有较好的鲁棒性。

Claims (8)

1.一种三维模型版权认证方法，其特征在于该方法包括：

(1)根据原始三维模型文件生成无意义零水印信息Moran；

(2)对版权图像基于Logistics置乱，生成置乱版权信息Copyright；

(3)将Moran与Copyright进行异或运算，得到特征信息Watermark，并进行安全性存储；

(4)在需要对三维模型文件认证时，获取待认证三维模型文件对应的原始三维模型文件的特征信息Watermark和置乱版权信息Copyright；

(5)根据待认证三维模型文件生成无意义零水印信息Moran2；

(6)将Watermark和Moran2进行异或运算，得到版权信息Copyright2；

(7)计算Copyright2和Copyright的莱文斯坦字符相似度Similarity；

(8)如果Similarity>阈值TH，则判定待认证三维模型侵权，认证不通过；否则，判定待认证三维模型文件认证通过，并生成版权图像。

2.根据权利要求1所述的三维模型版权认证方法，其特征在于：步骤(1)具体包括：

(1-1)读取未嵌入水印的原始三维模型文件，得到点集合POI＝{p_i|i＝0,1,2,…,I-1}和面集合SHPAE＝{s_j(p_o,p_p,p_q)|j＝0,1,2,…,J-1,o,p,q∈(0,1,2,…,I-1)}，其中，p_i表示POI中第i个点，s_j表示SHPAE中第j个面，I为点元素的数量，J为面元素的数量；

(1-2)对集合SHPAE进行数据清洗，删除三个顶点之间具有公共点的面，从而得到清洗后的三角面集合SHAPE2；

(1-3)根据SHAPE2中各个三角面所对应的三个顶点坐标，计算各三角面的面积以及其质心，并存入集合Tri＝{(c_k,area_k)|k＝0,1,2,…,K-1}，其中c_k是SHAPE2中第k个三角面的质心，area_k是对应面积，K为SHAPE2中三角面的数量；

(1-4)采用下式顺序计算集合Tri中每n个三角面之间的莫兰系数，并存储至集合Moran＝{m_r|r＝0,1,2,…,R-1}中：

式中，n为K除以版权图像像素数量后的取整，即将集合Tri中所有三角面划分为R个子集合，每个子集合中有n个三角面，m_r表示第r个子集合中三角面之间的莫兰系数，共R个莫兰系数；

分别表示第r个子集合中第k1、k2个三角面的面积与集合Tri中三角面平均面积值的偏差，

是第r个子集合中第k1、k2个三角面之间的空间权重，取值区间为(0,1]；

(1-5)根据下式对集合Moran元素进行二值化处理，处理后的集合Moran即为无意义零水印信息：

式中，med是集合Moran元素的中值。

3.根据权利要求1所述的三维模型版权认证方法，其特征在于：步骤(2)具体包括：

(2-1)按行顺序读取版权图像像素值，存储为二维矩阵Image；

(2-2)根据下式二值化处理二维矩阵Image：

式中，I_x,y是Image中的第x行第y列的元素，temp为预设分割阈值，且temp∈(0,255)；

(2-3)采用Logistics数字图像混沌加密算法置乱Image，得到集合L1＝{x₀,x₁,...x_IN-1}：

式中，混沌参数a∈(3.5699,4)，迭代初始值x₀∈(0,1)，IN为Image的元素个数；

(2-4)将L1升序排列，存入集合L2＝{y₀,y₁,...y_IN-1}；

(2-5)将Image按照行元素转换为一维矩阵Image’，并交换Image’中的元素I_im和I_jm，将交换后的结果存入集合Copyright作为置乱版权信息，其中I_im、I_jm为Image’中的第im、jm个元素，且jm为L1中的第im个元素x_im在L2中的索引值，即x_im＝y_jm。

4.根据权利要求1所述的三维模型版权认证方法，其特征在于：步骤(3)具体包括：

(3-2)将特征信息Watermark前加上当前日期时间戳，并根据用户设置密钥Key进行加密，得到带时间戳的版权标识加密信息We；

(3-3)将版权标识加密信息We、密钥信息Key、版权图像行数row、列数col和置乱版权信息Copyright存储，以供版权认证使用。

5.根据权利要求1所述的三维模型版权认证方法，其特征在于：步骤(5)的方法与步骤(1)一致。

6.根据权利要求1所述的三维模型版权认证方法，其特征在于：步骤(6)具体包括：

将Moran2循环补足至与Watermark相同长度，并将对应位置的元素进行异或运算，将运算结果存入集合Copyright2作为版权信息。

7.根据权利要求1所述的三维模型版权认证方法，其特征在于：步骤(7)具体包括：

将根据下式，计算集合Copyright2和集合Copyright的莱文斯坦字符相似度Similarity；

式中max(Copyright,Copyright2)是两者的最大字符串长度，D_uv是指从Copyright第u个字符修改到Copyright2第v个字符的最小编辑操作次数，计算公式如下所示：

式中，W_a、W_b、W_c分别表示删除、插入、替换操作的权重。

8.根据权利要求1所述的三维模型版权认证方法，其特征在于：步骤(8)中版权图像的生成方法为：

(8-1)采用Logistics数字图像混沌加密算法置乱Copyright2，得到集合L3＝{x′₀,x′₁,...x′_CN-1}：

x′_v+1＝ax′_v-x′_v ²,v＝0,1,...,CN-1

式中，混沌参数a∈(3.5699,4)，迭代初始值x′₀∈(0,1)，CN为Copyright2的元素个数；

(8-2)将L3升序排列，存入集合L4＝{y′₀,y′₁,...y′_CN-1}；

(8-3)交换Copyright2中的元素c_ic和c_jc，其中c_CN-ic、c_jc为Copyright2中的第CN-ic、jc个元素，且jc为L3中的第ic个元素x′_ic在L4中的索引值，即x′_ic＝y′_jc；

(8-4)将交换后的Copyright2转成row×col的二维矩阵，row、col分别是原始版权信息图像的行列数；

(8-5)将二维矩阵转为灰度图像并输出。

Images