一種對于版權(quán)保護(hù)算法及實(shí)現(xiàn)的研究

徐其江

摘 要 本文給出基于云模型的矢量地圖版權(quán)算法的具體實(shí)現(xiàn)過程。由于云模型本身模糊性及不確定性的特點(diǎn)，增加了對算法的破解難度。在水印嵌入系數(shù)的選擇上根據(jù)DWT的特點(diǎn)，并結(jié)合人類視覺特性選擇特定的嵌入系數(shù)。綜合上述兩個(gè)方面提出了基于云模型的矢量地圖版權(quán)保護(hù)算法。

關(guān)鍵詞 版權(quán)保護(hù)算法 實(shí)現(xiàn)研究

中圖分類號：TP309 文獻(xiàn)標(biāo)識碼：A

1云滴水印的生成

本文中，用戶密鑰信息設(shè)定為四種：圖片、漢字、英文、數(shù)字。密鑰信息可以是其中的某一種也可以是四種的任意組合。針對不同輸入的版權(quán)信息所進(jìn)行的處理流程也不盡相同。

對于圖片的處理流程如下：

（1）將密鑰圖像進(jìn)行Arnlod置亂；

（2）將置亂后的密鑰圖像讀取為二進(jìn)制流I1

對于漢字的處理流程如下：

（1）將輸入密鑰漢字信息通過內(nèi)碼轉(zhuǎn)換后得到系統(tǒng)可以識別的內(nèi)碼字符；

（2）將轉(zhuǎn)換后的內(nèi)碼字符分為兩個(gè)字節(jié)分別進(jìn)行處理；

（3）處理每一個(gè)字節(jié)，一個(gè)字節(jié)為8位。對于字節(jié)的每一位，判斷當(dāng)前位。如果當(dāng)前位是1， 將其加‘0字符后存儲(chǔ)在字符數(shù)組中，如果是0，將其加‘0后也存儲(chǔ)在字符數(shù)組中。即將每個(gè)字符轉(zhuǎn)換成的二進(jìn)制流I2。

2水印嵌入位置選擇

水印信息嵌入位置的選取具有重要的意義。適當(dāng)?shù)乃∏度胛恢眉饶軌虮ＷC水印的魯棒性又能夠?qū)崿F(xiàn)視覺上的不可見性。因而水印信息的嵌入位置逐漸的成為人們的研究熱點(diǎn)。小波變換在數(shù)字水印技術(shù)中的應(yīng)用主要體現(xiàn)在數(shù)字圖像水印方面。本文在水印嵌入位置的選擇上，綜合考慮了四個(gè)方面的因素：水印的魯棒性、水印的不可感知性、人類視覺特性、小波變換的性質(zhì)。使水印在具有一定不可感知性的前提下具有較強(qiáng)的魯棒性。

2.1水印嵌入算法

本節(jié)在充分考慮上述內(nèi)容的基礎(chǔ)上，給出水印的具體嵌入過程。

2.1.1原始矢量地圖數(shù)據(jù)獲取

本算法是在安全容器中實(shí)現(xiàn)的，即在Windows底層內(nèi)存。在底層內(nèi)存中，讀取到的原始矢量地圖數(shù)據(jù)是按照IEEE754浮點(diǎn)數(shù)存儲(chǔ)的，首先將其轉(zhuǎn)化為實(shí)際可用的double型數(shù)據(jù)。

轉(zhuǎn)換成單精度時(shí)公式為：

通過上述公式則得到一個(gè)點(diǎn)的double型數(shù)值。按照Shape格式將一條線上的點(diǎn)按照數(shù)目全部讀出并組合成一條線。

2.1.2嵌入位置選擇

按照上節(jié)嵌入位置選擇算法，選擇合適的嵌入位置。

（1）對得到的數(shù)據(jù)進(jìn)行三級離散小波變換得到若干個(gè)子帶；

（2）分別對得到的子帶進(jìn)行分塊處理，每塊大小為8*8；

（3）將高頻帶中所有分塊組成一組，選擇子塊LL3；

（4）采用Logistic混沌映射選擇嵌入塊xn=uxn（1 xn）；u表示量化系數(shù)。量化系數(shù)的選擇需要通過大量的實(shí)驗(yàn)進(jìn)行獲取，本文中通過實(shí)驗(yàn)驗(yàn)證當(dāng)u取4.5時(shí)效果最佳。

2.1.3嵌入

將選擇出的嵌入位置記為，fi（j），j=1，2，3，…，m并記錄其位置。利用嵌入公式4-7將水印二進(jìn)制流嵌入

fi'（j）= fi（j）+（1 ） （j）

式中： 表示嵌入強(qiáng)度，j=1，2，3，…，m

通過不斷的大量實(shí)驗(yàn)確定本文的嵌入強(qiáng)度為0.95

（4）將計(jì)算得到的fi'（j）代替第i塊中的小波系數(shù)fi（j）進(jìn)行DWT逆變換，則得到新的fi'（j）。將所有的fi'（j）按照一條線上點(diǎn)的排列順序進(jìn)行組合則得到了含有水印的圖像，即嵌入完成。

2.2水印提取算法

水印的提取步驟如下：

（1）矢量地圖數(shù)據(jù)獲取：

和水印的嵌入過程（1）類似，首先獲取讀入到內(nèi)存中的矢量地圖數(shù)據(jù)。

（2）根據(jù)第二節(jié)的嵌入位置選擇算法找到嵌入位置，利用逆嵌入公式將水印信息提取出來。

（3）將得到的水印信息利用逆向云發(fā)生器得到云模型的特征參數(shù)。

2.3水印檢測標(biāo)準(zhǔn)

根據(jù)提取出的云水印作為是否是嵌入云的評價(jià)標(biāo)準(zhǔn)，這是本系統(tǒng)的一個(gè)創(chuàng)新之處，同時(shí)這也是云模型理論需要解決的一個(gè)重要問題。

本文的相似度閥值設(shè)定為30/n（n為云滴個(gè)數(shù)）。具體算法如下：

N個(gè)云相似性度量方法（本文中N=2）：

輸入：n云滴數(shù)，Ex1，Exn，He1第一個(gè)云的特征數(shù)，Ex2，En2，He2第二個(gè)云的特征數(shù)；輸出：是否相似 （ 相似為1， 不相似為0）。

步驟：

（1）Dropl（i）=Cloud（Ex1，En1，He1，n）第1個(gè)云產(chǎn)生的n個(gè)云滴；

（2）Dropl（i）=Cloud（Ex2，En2，He2，n）第2個(gè)云產(chǎn)生的n個(gè)云滴；

（3）Sort（Drop（1））；對第1個(gè)云滴進(jìn)行排序；

（4）Sort（Drop（2））；對第2個(gè)云滴進(jìn)行排序；

（5）篩選區(qū)間[Ex 3En，Ex+3En]內(nèi)的云滴，得到云1中云滴個(gè)數(shù)N1，云2中云滴個(gè)數(shù)N2，選取后的云滴分別為Drop1'，Drop2'；

（6）若N1N2則雷同。

（7）分別計(jì)算云滴Drop1'j，Drop2'j，的平方差Dis（j）；

（8）相似度計(jì)算公式Similar=SQRT（∑Dis（j）/C/n）；

（9）若Similar<（30/n）則 =1，否則 =0。

通過上述算法，將提取出來的云滴與嵌入的云滴計(jì)算相似度，若值為1則表示兩個(gè)是相似云，即所提取的水印為用戶嵌入。否則，則不是。

本章首先對矢量地圖訪問控制進(jìn)行了介紹，矢量訪問控制是保證矢量地圖自我保護(hù)實(shí)現(xiàn)的關(guān)鍵。然后本章介紹了算法的嵌入模型和提取模型，最后重點(diǎn)介紹算法的具體實(shí)現(xiàn)過程。算法的具體實(shí)現(xiàn)主要包括云滴水印的生成、嵌入位置的選擇、嵌入算法、提取算法、水印檢測標(biāo)準(zhǔn)。