科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有矢量地图零水印算法研究主要集中于空间统计特征信息的挖掘，方式单一导致安全性不足。深度学习可提取数据隐蔽的内蕴特征信息，为数字水印研究提供了新思路。该文利用深度学习中的自编码器模型挖掘深层、稳健的特征信息，提出基于自编码器的鲁棒性矢量地图零水印算法。首先，提取矢量地图的特征点并计算特征点集的坐标差序列，按进制转换和补位操作构建自编码器的训练图像；然后，通过迭代训练和模型优化得到模型训练后的特征信息矩阵，将特征信息矩阵与置乱加密后的水印图像异或操作得到零水印图像。实验结果表明，该水印算法能抵抗常见的几何攻击、坐标点攻击、压缩攻击等，具有较强的鲁棒性和实用性，可为矢量地图的版权保护提供技术参考。
- 单位
