專利名稱：基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入和檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及多媒體信息安全技術(shù)領(lǐng)域，尤其涉及一種基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入和檢測方法。
背景技術(shù)：
目前，國家越來越重視對(duì)知識(shí)產(chǎn)權(quán)的保護(hù)，知識(shí)產(chǎn)權(quán)不僅僅是有形的物品才具有，采用計(jì)算機(jī)等各種數(shù)字設(shè)備所創(chuàng)造出來的圖形、圖像、文本、音頻和視頻等數(shù)字媒體同樣具有知識(shí)產(chǎn)權(quán)，同樣應(yīng)該受到保護(hù)。現(xiàn)代數(shù)字水印技術(shù)的概念始于1993年，并首先被用于圖像的版權(quán)保護(hù)。隨后，越來越多的研究人員開始關(guān)注這一技術(shù)，目前，數(shù)字水印技術(shù)是信息安全領(lǐng)域研究的一個(gè)前沿方向。然而，目前已有的數(shù)字水印技術(shù)多集中于圖像、文本、音頻和視頻，對(duì)于三維模型數(shù)字水印技術(shù)的研究卻較少。隨著計(jì)算機(jī)網(wǎng)絡(luò)和協(xié)同工作技術(shù)的發(fā)展，通過網(wǎng)絡(luò)進(jìn)行產(chǎn)品的協(xié)同設(shè)計(jì)已經(jīng)開始流行，三維模型在網(wǎng)上的發(fā)布和傳輸也越來越多，目前已經(jīng)出現(xiàn)了很多提供三維模型下載的網(wǎng)站，未來也將出現(xiàn)專門提供三維數(shù)字產(chǎn)品設(shè)計(jì)的企業(yè)，到時(shí)用戶所購買的可能不再是一個(gè)以實(shí)物形式存在的產(chǎn)品，而是由點(diǎn)、線、面等數(shù)據(jù)構(gòu)成的虛擬產(chǎn)品，因此，迫切需要使用三維模型數(shù)字水印技術(shù)維護(hù)三維模型版權(quán)所有者的合法權(quán)益。三維模型數(shù)字水印技術(shù)分為水印嵌入技術(shù)和水印檢測技術(shù)兩個(gè)方面(I)水印嵌入技術(shù)是在發(fā)布一個(gè)三維模型前，將版權(quán)信息作為數(shù)字水印信息嵌入到三維模型中，然后該三維模型即可發(fā)布；(2)水印檢測是在三維模型發(fā)生版權(quán)糾紛時(shí)進(jìn)行，分為水印提取和水印驗(yàn)證兩個(gè)步驟，水印提取從三維模型中提取出數(shù)字水印信息，水印驗(yàn)證則是將提取出來的數(shù)字水印與版權(quán)主張者提供的數(shù)字水印信息進(jìn)行比較，從而確定三維模型的版權(quán)歸屬。由于一個(gè)三維模型可能遭遇無意的操作或惡意的攻擊，因此要求用于版權(quán)保護(hù)的數(shù)字水印技術(shù)對(duì)三維模型的各類操作要具有盡可能高的魯棒性。魯棒性是對(duì)數(shù)字水印技術(shù)對(duì)抗各類操作和攻擊的能力進(jìn)行衡量的一種尺度，魯棒性越高，表明數(shù)字水印技術(shù)對(duì)抗各類操作和攻擊的能力越強(qiáng)，從被攻擊的三維模型中提取出的數(shù)字水印就越準(zhǔn)確；反之，魯棒性越低，表明數(shù)字水印技術(shù)對(duì)抗各類操作和攻擊的能力越弱，從被攻擊的三維模型中提取出的數(shù)字水印的準(zhǔn)確率就越低。已有的三維模型數(shù)字水印包括以下方法運(yùn)用平面采樣方法建立三維模型的二維采樣矩陣，在運(yùn)用SVD分解得到矩陣的奇異值中嵌入和提取水印，僅能夠抵抗幾何變換和一定強(qiáng)度的噪聲與剪切攻擊；將三維模型仿射變換到一個(gè)幾何不變空間，根據(jù)頂點(diǎn)鄰域內(nèi)頂點(diǎn)位置的平均差值建立掩蔽因子，通過直接修改頂點(diǎn)坐標(biāo)嵌入水印，對(duì)單一類型攻擊具有較好的魯棒性，但其仿射變換方法易受簡化、剪切等攻擊影響，因此無法抵抗聯(lián)合攻擊；提取三維模型特征通過樣本學(xué)習(xí)來選擇頂點(diǎn)和數(shù)據(jù)進(jìn)行水印嵌入，能夠抵抗噪聲、剪切和平滑攻擊，但魯棒性較低；
根據(jù)三維模型的柱面坐標(biāo)將模型轉(zhuǎn)換為ニ維矩陣，在矩陣元素值中嵌入水印，能夠抵抗幾何變換、簡化、噪聲和量化攻擊；建立三維模型的拉普拉斯矩陣，利用尺度函數(shù)設(shè)計(jì)了ー種新的線性運(yùn)算取代頻域分析方法對(duì)矩陣進(jìn)行分解，在得到的向量中嵌入水印，該算法目的在于降低頻域水印方法的計(jì)算量，魯棒性不強(qiáng)，僅能抵抗仿射變換和噪聲攻擊。因此，目前単一的三維模型數(shù)字水印技術(shù)抵抗攻擊的種類較少，對(duì)平移、旋轉(zhuǎn)、縮放、頂點(diǎn)亂序、噪聲、簡化、剪切、量化、平滑和細(xì)分這些常見的攻擊都無法全部抵抗，并且魯棒性較低、無法有效抵抗聯(lián)合攻擊，從而無法真正實(shí)現(xiàn)對(duì)三維模型的版權(quán)保護(hù)。針對(duì)上述問題，有必要提供一種新的基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入和檢測方法。

發(fā)明內(nèi)容
針對(duì)目前單一三維模型數(shù)字水印技術(shù)抵抗攻擊種類較少、對(duì)平移、旋轉(zhuǎn)、縮放、頂點(diǎn)亂序、噪聲、簡化、剪切、量化、平滑和細(xì)分這些常見攻擊都無法全部抵抗，并且魯棒性不高，無法有效抵抗聯(lián)合攻擊，從而無法有效保護(hù)三維模型版權(quán)的問題，本發(fā)明提供一種新的基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入和檢測方法，該方法不僅能抵抗三維模型全部常見的攻擊如平移、旋轉(zhuǎn)、縮放、頂點(diǎn)亂序、噪聲、簡化、剪切、量化、平滑和細(xì)分，并且具有較高的魯棒性，同時(shí)對(duì)聯(lián)合攻擊也有較好的抵抗能力，從而達(dá)到有效保護(hù)三維模型版權(quán)的目的。為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供的技術(shù)方案如下ー種基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入方法，所述方法包括S11、對(duì)三維模型進(jìn)行預(yù)處理，平移三維模型，使三維模型中心與三維笛卡爾坐標(biāo)系的原點(diǎn)重合，并將三維模型頂 點(diǎn)的笛卡爾坐標(biāo)(x，y，z)轉(zhuǎn)化為球面坐標(biāo)(r, e, f)iS12、對(duì)三維模型進(jìn)行分區(qū)，計(jì)算分區(qū)頂點(diǎn)分布特征，將三維模型頂點(diǎn)分為用于承擔(dān)水印構(gòu)造和頂點(diǎn)分布特征強(qiáng)化的頂點(diǎn)分區(qū)も、以及用于承擔(dān)水印二次嵌入的頂點(diǎn)子集Si;S13、在三維模型中嵌入水印，在頂點(diǎn)分區(qū)Bi中，由頂點(diǎn)的球面坐標(biāo)r確定頂點(diǎn)的分布情況，構(gòu)造出反映模型自身頂點(diǎn)分布特征的水印數(shù)據(jù)，同時(shí)對(duì)頂點(diǎn)的球面坐標(biāo)r進(jìn)行修改強(qiáng)化，在頂點(diǎn)子集Si中二次嵌入從Bi中構(gòu)造出來的水??；S14、對(duì)三維模型進(jìn)行步驟SI中預(yù)處理的逆處理，將三維模型頂點(diǎn)的球面坐標(biāo)轉(zhuǎn)化為笛卡爾坐標(biāo)，并平移三維模型，使三維模型中心回到原始位置。作為本發(fā)明的進(jìn)ー步改進(jìn)，所述步驟S12具體為S121、取步長A 0和Atp，將0的取值范圍
分為2 /A 0個(gè)分區(qū)，將爭的取值范圍
分為ic/Atp個(gè)分區(qū)，總的分區(qū)數(shù)目為(27c/A0)x(w/Atp)個(gè)，根據(jù)三位模型頂點(diǎn)球面坐標(biāo)0和<p的取值將頂點(diǎn)映射到各個(gè)分區(qū)中，構(gòu)成頂點(diǎn)分區(qū)；S122、計(jì)算姆個(gè)分區(qū)中頂點(diǎn)球面坐標(biāo)r的均值ravg和方差rvar ；S123、計(jì)算每個(gè)分區(qū)中頂點(diǎn)球面坐標(biāo)r值分布的均勻程度J ；S124、將所有頂點(diǎn)分區(qū)按照均勻程度J的取值由小到大排列；S125、在排序后的頂點(diǎn)分區(qū)中選擇前N個(gè)分區(qū)作為頂點(diǎn)分區(qū)Bi(i=l，2，. . .，N)。
S126、剩余頂點(diǎn)分區(qū)中的所有頂點(diǎn)構(gòu)成ー個(gè)集合，在這個(gè)集合中將所有頂點(diǎn)按照球面坐標(biāo)r值由小到大排列得到一個(gè)頂點(diǎn)序列，并將這個(gè)頂點(diǎn)序列分為N個(gè)頂點(diǎn)子集Si(i=l，2， ，N)。作為本發(fā)明的進(jìn)ー步改進(jìn)，所述步驟S123具體為計(jì)算分區(qū)中頂點(diǎn)坐標(biāo)r值在符合均勻分布時(shí)的數(shù)學(xué)期望E和方差D，用給定的兩個(gè)權(quán)值ct丨和ct 2，以公式J= a IX ravg-E | + a 2X |rvar_D|來計(jì)算分區(qū)中頂點(diǎn)坐標(biāo)r值分布的實(shí)際均勻程度J，ravg為該分區(qū)頂點(diǎn)坐標(biāo)r的均值，rvar為該分區(qū)頂點(diǎn)坐標(biāo)r的方差。作為本發(fā)明的進(jìn)ー步改進(jìn)，所述步驟S13具體為S131、利用密鑰key產(chǎn)生ー個(gè)長度為N、在[al，bl]中均勻分布的偽隨機(jī)數(shù)序列randlj (i=l, 2，…，N)；S132、在頂點(diǎn)分區(qū)Bi(i=l，2，…，N)中，建立界限距離df^rvar, -'!TUidl^rvari 為該分區(qū)頂點(diǎn)球面坐標(biāo)r的方差，界限距離(Iouti=C^diX e,界限距離(1;[1^=(1廠もX e, e為水印強(qiáng)度；統(tǒng)計(jì)該分區(qū)中頂點(diǎn)球面坐標(biāo)r G Qravg1-Clouti,ravgi+doutj中的頂點(diǎn)數(shù)目vexnuml,統(tǒng)計(jì)該分區(qū)中頂點(diǎn)球面坐標(biāo)W Iravft-dhi,, ravffi+dir^中的頂點(diǎn)數(shù)目vexnum2, ravgi為該分區(qū)頂點(diǎn)球面坐標(biāo)r的均值；若vexnuml>vexnum2,則從該頂點(diǎn)分區(qū)Bi中構(gòu)造第i位水印數(shù)據(jù) Wi = I,并利用公式 r=rk 對(duì)位于[ravgj-douti,Tavg1-Clini]和 Lravg^dini,Tavg^douti]中頂點(diǎn)的球面坐標(biāo)r進(jìn)行修改，使這些頂點(diǎn)的球面坐標(biāo)r滿足Ir-ravg」都小于も；若vexnuml〈vexnum2,則從該頂點(diǎn)分區(qū)Bi中構(gòu)造第i位水印數(shù)據(jù)Wi = 0,并利用公式r = rk對(duì)位于 Iiravg1-Clouti, ravg1-dinj 和 HravgJdini, ravgi+doutj 中頂點(diǎn)的球面坐標(biāo) r 進(jìn)行修改，使這些頂點(diǎn)的球面坐標(biāo)r滿足Ir-ravg」都大于(Ii ；S133、利用密鑰key產(chǎn)生ー個(gè)長度為N、在[a2，b2]中均勻分布的偽隨機(jī)數(shù)序列rand2j (i=l, 2，… ，N)；S134、在頂點(diǎn)子集Si(i=l，2，…，N)中，計(jì)算子集Si中頂點(diǎn)球面坐標(biāo)r的均值ravgi,用公式det—18\,§1 = 1)<|"8￥81 +『-1)冒|+1/2乂6<賺<12;>^3\瓦計(jì)算出(Ietjavgi, I G Z, Wi是第i位水印，e是水印強(qiáng)度，然后利用公式r=rk修改子集Si中頂點(diǎn)的球面坐標(biāo)r，使均值ravgi等于det_ravgi，從而在頂點(diǎn)子集中嵌入水印數(shù)據(jù)Wi0相應(yīng)地，ー種基于頂點(diǎn)分布特征數(shù)字化三維模型的水印檢測方法，所述方法包括S21、重定位，對(duì)待檢測模型進(jìn)行重定位操作，使其恢復(fù)到原始的位置、尺度和大??；S22、重采樣，對(duì)待檢測模型進(jìn)行重采樣，使其恢復(fù)到原始的頂點(diǎn)數(shù)目和順序；S23、對(duì)原始模型和待檢測模型進(jìn)行預(yù)處理，平移原始模型，使原始模型中心與笛卡爾坐標(biāo)系原點(diǎn)重合，并將原始模型頂點(diǎn)的笛卡爾坐標(biāo)轉(zhuǎn)化為球面坐標(biāo)；將原始模型中心作為待檢測模型中心，平移待檢測模型，使待檢測模型中心與笛卡爾坐標(biāo)系原點(diǎn)重合，并將待檢測模型頂點(diǎn)的笛卡爾坐標(biāo)轉(zhuǎn)化為球面坐標(biāo)；S24、將原始模型的頂點(diǎn)分為頂點(diǎn)分區(qū)0Bi(i=l，2，…，N)和頂點(diǎn)子集OSi (i=l，2，…，N)，根據(jù)原始模型頂點(diǎn)與待檢測模型頂點(diǎn)的一一對(duì)應(yīng)關(guān)系將待檢測模型頂點(diǎn)同樣分為頂點(diǎn)分區(qū)DBi(i=l，2，…，N)和頂點(diǎn)子集DSi(i=l，2，...，N);S25、從待檢測模型中提取水印，分別從待檢測模型的頂點(diǎn)分區(qū)DBi (i=l，2，…，N)和頂點(diǎn)子集DSi (i=l，2，…，N)中提取水印，分析待檢測模型的頂點(diǎn)分區(qū)DBiQ=I，2，…，N)，得到最終水印數(shù)據(jù)；S26、驗(yàn)證水印相關(guān)性，計(jì)算提取出的水印與原始水印的相關(guān)值，并與給定的閾值比較，如果相關(guān)值大于給定的閾值，則認(rèn)為待檢測模型中存在原始水?。环駝t認(rèn)為待檢測模型中不存在原始水印。作為本發(fā)明的進(jìn)ー步改進(jìn)，所述步驟S22具體為對(duì)原始模型頂點(diǎn)，從原始模型中心作一條到該頂點(diǎn)的射線與待檢測模型相交，如果存在交點(diǎn)，則尋找最接近原始模型頂點(diǎn)的交點(diǎn)作匹配點(diǎn)；如果不存在交點(diǎn)，則直接以原始模型頂點(diǎn)的坐標(biāo)作為待檢測模型上匹配點(diǎn)的坐標(biāo)。作為本發(fā)明的進(jìn)ー步改進(jìn)，所述步驟S25具體為S251、從待檢測模型的頂點(diǎn)分區(qū)DBi(i=l，2，…，N)中提取水印利用水印嵌入技術(shù)中保存的密鑰key產(chǎn)生ー個(gè)長度為N、在[al，bl]中均勻分布的偽隨機(jī)數(shù)序列:Tandli (i=l, 2, N)；對(duì)原始模型的頂點(diǎn)分區(qū)
權(quán)利要求
1.ー種基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入方法，其特征在于，所述方法包括 511、對(duì)三維模型進(jìn)行預(yù)處理，平移三維模型，使三維模型中心與三維笛卡爾坐標(biāo)系的原點(diǎn)重合，并將三維模型頂點(diǎn)的笛卡爾坐標(biāo)(X，y，z)轉(zhuǎn)化為球面坐標(biāo)《r, 0, f); 512、對(duì)三維模型進(jìn)行分區(qū)，計(jì)算分區(qū)頂點(diǎn)分布特征，將三維模型頂點(diǎn)分為用于承擔(dān)水印構(gòu)造和頂點(diǎn)分布特征強(qiáng)化的頂點(diǎn)分區(qū)B1.以及用于承擔(dān)水印二次嵌入的頂點(diǎn)子集Si ； 513、在三維模型中嵌入水印，在頂點(diǎn)分區(qū)Bi中，由頂點(diǎn)的球面坐標(biāo)r確定頂點(diǎn)的分布情況，構(gòu)造出反映模型自身頂點(diǎn)分布特征的水印數(shù)據(jù)，同時(shí)對(duì)頂點(diǎn)的球面坐標(biāo)r進(jìn)行修改強(qiáng)化，在頂點(diǎn)子集Si中二次嵌入從Bi中構(gòu)造出來的水?。? 514、對(duì)三維模型進(jìn)行步驟SI中預(yù)處理的逆處理，將三維模型頂點(diǎn)的球面坐標(biāo)轉(zhuǎn)化為笛卡爾坐標(biāo)，并平移三維模型，使三維模型中心回到原始位置。
2.根據(jù)權(quán)利要求1所述的水印嵌入方法，其特征在于，所述步驟S12具體為 5121、取步長A0和~，將0的取值范圍[O，2 Ir]分為2 /A 0個(gè)分區(qū)，將f的取值范圍
分為it/Acp個(gè)分區(qū),總的分區(qū)數(shù)目為(2n/A0)x(ji/A(p)個(gè),根據(jù)三位模型頂點(diǎn)球面坐標(biāo)0和(P的取值將頂點(diǎn)映射到各個(gè)分區(qū)中，構(gòu)成頂點(diǎn)分區(qū)； 5122、計(jì)算姆個(gè)分區(qū)中頂點(diǎn)球面坐標(biāo)r的均值ravg和方差rvar； 5123、計(jì)算每個(gè)分區(qū)中頂點(diǎn)球面坐標(biāo)r值分布的均勻程度J； 5124、將所有頂點(diǎn)分區(qū)按照均勻程度J的取值由小到大排列； 5125、在排序后的頂點(diǎn)分區(qū)中選擇前N個(gè)分區(qū)作為頂點(diǎn)分區(qū)Bi(i=l，2，…，N)。
·5126、剩余頂點(diǎn)分區(qū)中的所有頂點(diǎn)構(gòu)成ー個(gè)集合，在這個(gè)集合中將所有頂點(diǎn)按照球面坐標(biāo)r值由小到大排列得到一個(gè)頂點(diǎn)序列，并將這個(gè)頂點(diǎn)序列分為N個(gè)頂點(diǎn)子集Si (i=l,·2,…，N)。
3.根據(jù)權(quán)利要求2所述的水印嵌入方法，其特征在于，所述步驟S123具體為 計(jì)算分區(qū)中頂點(diǎn)坐標(biāo)r值在符合均勻分布時(shí)的數(shù)學(xué)期望E和方差D，用給定的兩個(gè)權(quán)值a I和a 2，以公式J=a | ravg-E | + a 2X |rvar_D|來計(jì)算分區(qū)中頂點(diǎn)坐標(biāo)r值分布的實(shí)際均勻程度J，ravg為該分區(qū)頂點(diǎn)坐標(biāo)r的均值，rvar為該分區(qū)頂點(diǎn)坐標(biāo)r的方差。
4.根據(jù)權(quán)利要求2所述的水印嵌入方法，其特征在于，所述步驟S13具體為 ·5131、利用密鑰key產(chǎn)生ー個(gè)長度為N、在[al，bl]中均勻分布的偽隨機(jī)數(shù)序列randlj (i=l, 2，…，N)； ·5132、在頂點(diǎn)分區(qū)も(1=1，2，…，N)中，建立界限距離
5.一種針對(duì)采用權(quán)利要求1所述的基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入方法的水印檢測方法，其特征在于，所述方法包括 521、重定位，對(duì)待檢測模型進(jìn)行重定位操作，使其恢復(fù)到原始的位置、尺度和大??； 522、重采樣，對(duì)待檢測模型進(jìn)行重采樣，使其恢復(fù)到原始的頂點(diǎn)數(shù)目和順序； 523、對(duì)原始模型和待檢測模型進(jìn)行預(yù)處理，平移原始模型，使原始模型中心與笛卡爾坐標(biāo)系原點(diǎn)重合，并將原始模型頂點(diǎn)的笛卡爾坐標(biāo)轉(zhuǎn)化為球面坐標(biāo)；將原始模型中心作為待檢測模型中心，平移待檢測模型，使待檢測模型中心與笛卡爾坐標(biāo)系原點(diǎn)重合，并將待檢測模型頂點(diǎn)的笛卡爾坐標(biāo)轉(zhuǎn)化為球面坐標(biāo)； 524、將原始模型的頂點(diǎn)分為頂點(diǎn)分區(qū)0Bi(i=l，2，…，N)和頂點(diǎn)子集0Si(i=l，2，…，N)，根據(jù)原始模型頂點(diǎn)與待檢測模型頂點(diǎn)的一一對(duì)應(yīng)關(guān)系將待檢測模型頂點(diǎn)同樣分為頂點(diǎn)分區(qū) DBi(i=l，2，...，N)和頂點(diǎn)子集 DSi(i=l，2，...，N); 525、從待檢測模型中提取水印，分別從待檢測模型的頂點(diǎn)分區(qū)DBi(i=l，2，…，N)和頂點(diǎn)子集DSi(i=l，2，…，N)中提取水印，分析待檢測模型的頂點(diǎn)分區(qū)DBi (i=l，2，…，N)，得到最終水印數(shù)據(jù)； 526、驗(yàn)證水印相關(guān)性，計(jì)算提取出的水印與原始水印的相關(guān)值，并與給定的閾值比較，如果相關(guān)值大于給定的閾值，則認(rèn)為待檢測模型中存在原始水??；否則認(rèn)為待檢測模型中不存在原始水印。
6.根據(jù)權(quán)利要求5所述的水印檢測方法，其特征在于，所述步驟S22具體為 對(duì)原始模型頂點(diǎn)，從原始模型中心作一條到該頂點(diǎn)的射線與待檢測模型相交，如果存在交點(diǎn)，則尋找最接近原始模型頂點(diǎn)的交點(diǎn)作匹配點(diǎn)；如果不存在交點(diǎn)，則直接以原始模型頂點(diǎn)的坐標(biāo)作為待檢測模型上匹配點(diǎn)的坐標(biāo)。
7.根據(jù)權(quán)利要求5所述的水印檢測方法，其特征在于，所述步驟S25具體為 ·S251、從待檢測模型的頂點(diǎn)分區(qū)DBi(i=l，2，…，N)中提取水印 利用水印嵌入技術(shù)中保存的密鑰key產(chǎn)生一個(gè)長度為N、在[al，bl]中均勻分布的偽隨機(jī)數(shù)序列 randli (i=l，2，N)； 對(duì)原始模型的頂點(diǎn)分區(qū)OBiQ=Id,…，N)，根據(jù)水印嵌入技術(shù)中建立界限距離的方法計(jì)算各個(gè)分區(qū)中的界限距離，包括
8.根據(jù)權(quán)利要求5所述的水印檢測方法，其特征在于，所述步驟S26中“相關(guān)值”的計(jì) 算方法具體為:
全文摘要
本發(fā)明提供了一種基于頂點(diǎn)分布特征數(shù)字化三維模型的水印嵌入及檢測方法，其中水印嵌入包括S11、對(duì)三維模型進(jìn)行預(yù)處理；S12、對(duì)三維模型進(jìn)行分區(qū)；S13、在三維模型中嵌入水??；S14、對(duì)三維模型進(jìn)行步驟S1中預(yù)處理的逆處理。本發(fā)明利用數(shù)字水印與三維模型頂點(diǎn)分布特征的緊密結(jié)合和對(duì)頂點(diǎn)分布特征的強(qiáng)化，使得數(shù)字水印足夠穩(wěn)定，能夠抵抗三維模型全部常見的攻擊如平移、旋轉(zhuǎn)、縮放、頂點(diǎn)亂序、噪聲、簡化、剪切、量化、平滑和細(xì)分，并且對(duì)聯(lián)合攻擊也有較好的抵抗能力，從而實(shí)現(xiàn)了有效保護(hù)三維模型版權(quán)的目的。
文檔編號(hào)G06T1/00GK103049877SQ201210509989
公開日2013年4月17日 申請(qǐng)日期2012年12月3日 優(yōu)先權(quán)日2012年12月3日
發(fā)明者王新宇, 詹永照 申請(qǐng)人:江蘇大學(xué)