基于svm分類的3d模型嵌入水印及提取水印的方法
【技術領域】
[0001] 本發(fā)明涉及監(jiān)控技術領域，尤其涉一種基于SVM分類的3D模型嵌入水印及提取水 印的方法。
【背景技術】
[0002] 隨著因特網(wǎng)的快速發(fā)展，通過因特網(wǎng)傳輸數(shù)據(jù)媒體數(shù)據(jù)變得越來越流行。但是，該 些數(shù)據(jù)很容易的被非法復制和再發(fā)送。于是，對于數(shù)字化數(shù)據(jù)版權和完整性的保護顯得越 來越重要。3D模型在動畫，虛擬現(xiàn)實，CAD，建筑，考古W及科學數(shù)字可視化的廣泛使用吸引 了一大批的研究團體去探究3D模型的版權保護水印技術。基于機器學習的水印嵌入和提 取技術已被廣泛應用于圖像，聲音，視頻上。但是，人工智能的技術仍然沒有深入的應用在 3D圖形上。本發(fā)明提出一種基于SVM分類的3D模型嵌入與提取水印方法。
[0003] Suppo;rt Vector Machine (SVM)是 Vapnik W及他的同事在 1995 年發(fā)展的一種分 類算法。近年來，出現(xiàn)了許多研究SVM解決函數(shù)逼近，模式識別等問題的應用。
[0004] 最早提出的水印嵌入技術是由Schyndel等人提出的m序列生成器來生成水印。水 印嵌入在原圖的最低有效位，提取水印也在相應的最低有效位。其后，Cox等發(fā)現(xiàn)最低有效 位的水印嵌入技術并不能抵抗噪聲攻擊，發(fā)展了在DCT域進行水印嵌入的技術。該技術通 過在圖像的DCT系數(shù)較大值的地方嵌入水印，并通過反DCT W得到嵌入了水印的圖像。在 1997年，Xia，Boncelet等人提出了離散小波轉(zhuǎn)換的技術，把水印當作高斯噪聲，嵌入到圖 像的中頻和高頻部分，比DCT嵌入技術更具有抗攻擊性。隨后，Delaigle等人提出了基于人 類視覺系統(tǒng)的獨特的水印方法。該方法通過產(chǎn)生二進制m序列并調(diào)制到一個隨機載波上， 并嵌入到原始信號和調(diào)制信號上，該技術具有抗噪聲，JPEG壓縮和二次掃描攻擊。
[0005] Ra化i C等人提出的基于分類的3D網(wǎng)格水印嵌入優(yōu)化技術通過提取H維模型中 具有6價的頂點，并計算其6個連接平面的法向量與該6個法向量的平均向量的張角，把計 算得到的6個張角作為SVM的特征向量進行訓練W得到一個模型的SVM的分類器。水印的 嵌入通過正則化，把原始模型縮放到（-1,-1，-1)到（1，1，1)的空間上，并提取特征向量，通 過SVM分類器，決定該些特征向量的部分頂點作為水印嵌入的地方。但是該方法對噪聲和 平滑并沒有很好的抵抗性。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供一種基于SVM分類的3D模型嵌入與 提取水印方法，能有效抵抗圖形的平滑和噪聲攻擊。
[0007] 為了解決上述問題，本發(fā)明提出了一種基于SVM分類的3D模型嵌入水印的方法， 包括如下步驟：
[000引對圖形的頂點計算極坐標速率，切線率，曲率W及光譜系數(shù)向量作為特征向量，通 過SVM訓練得到SVM分類器，對原圖形進行正則化變換并選取特征向量，使用分類器對特征 向量進行選取水印嵌入點，并嵌入水印。
[0009] 本發(fā)明還提出了一種基于SVM分類的3D模型提取水印的方法，包括如下步驟：
[0010] 還原水印圖形，通過對比原圖形，得到不同的頂點坐標值，得到水印向量，再作比 列變換，即可還原水印。
[0011] 實施本發(fā)明實施例，是在使用更加有效的特征向量做SVM訓練，使得水印對于平 滑和噪聲更有抵抗力。本發(fā)明使用獨特的特征向量，W分類出具有平移，旋轉(zhuǎn)，平滑，噪聲等 抵抗性的水印嵌入頂點。該方法相比于Ra化iC等人的方法能增強噪聲和平滑的抵抗性。
【附圖說明】
[0012] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可 W根據(jù)該些附圖獲得其它的附圖。
[0013] 圖1是本發(fā)明實施例的基于SVM分類的3D模型嵌入水印方法流程圖； 圖2是本發(fā)明實施例的基于SVM分類的3D模型提取水印方法流程圖。
[0014]
【具體實施方式】
[0015] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于 本發(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0016] 本發(fā)明的目的在于，針對W上的不足，提供一種基于SVM分類的3D模型嵌入與提 取水印方法，能有效抵抗圖形的平滑和噪聲攻擊。
[0017] 水印的嵌入過程為，對圖形的頂點計算極坐標速率，切線率，曲率W及光譜系數(shù)向 量作為特征向量，通過SVM訓練得到SVM分類器，對原圖形進行正則化變換并選取特征向 量，使用分類器對特征向量進行選取水印嵌入點，并嵌入水印。
[0018] 水印的提取過程為，還原水印圖形，通過對比原圖形，得到不同的頂點坐標值，得 至IJ水印向量，再作比列變換，即可還原水印。
[0019] 本發(fā)明提供了的基于SVM分類的3D模型嵌入與提取水印方法，與Ra化i C等人 提出的水印嵌入和提取方法不同的是，本發(fā)明使用獨特的特征向量，W分類出具有平移，旋 轉(zhuǎn)，平滑，噪聲等抵抗性的水印嵌入頂點。該方法相比于Ra化i C等人的方法能增強噪聲和 平滑的抵抗性。
[0020] 下面結(jié)合圖1說明本發(fā)明基于SVM分類的3D模型嵌入水印方法的主要步驟： [002。 a)對圖形頂點向量計算極坐標速率，切線率，曲率化，d日，log(P );
[002引b)對圖形計算對角矩陣D和鄰接矩陣A，其中矩陣D定義；d i為頂點i的度 數(shù)（連接點的數(shù)目），矩陣A為頂點鄰接矩陣，其元素ay定義如下；
[0023]
【主權項】
1. 一種基于SVM分類的3D模型嵌入水印的方法，其特征在于，包括如下步驟： 對圖形的頂點計算極坐標速率，切線率，曲率W及光譜系數(shù)向量作為特征向量，通過 SVM訓練得到SVM分類器，對原圖形進行正則化變換并選取特征向量，使用分類器對特征向 量進行選取水印嵌入點，并嵌入水印。
2. -種基于SVM分類的3D模型提取水印的方法，其特征在于，包括如下步驟： 還原水印圖形，通過對比原圖形，得到不同的頂點坐標值，得到水印向量，再作比列變 換，即可還原水印。
【專利摘要】本發(fā)明實施例公開了一種基于SVM分類的3D模型嵌入水印的方法，包括如下步驟：對圖形的頂點計算極坐標速率，切線率，曲率以及光譜系數(shù)向量作為特征向量，通過SVM訓練得到SVM分類器，對原圖形進行正則化變換并選取特征向量，使用分類器對特征向量進行選取水印嵌入點，并嵌入水印。本發(fā)明實施例還公開了一種基于SVM分類的3D模型提取水印的方法，包括如下步驟：還原水印圖形，通過對比原圖形，得到不同的頂點坐標值，得到水印向量，再作比列變換，即可還原水印。實施本發(fā)明實施例能有效抵抗圖形的平滑和噪聲攻擊。
【IPC分類】G06T1-00
【公開號】CN104616242
【申請?zhí)枴緾N201410768092
【發(fā)明人】蘇航, 李獻威, 羅笑南
【申請人】中山大學深圳研究院
【公開日】2015年5月13日
【申請日】2014年12月12日