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] 本發明涉及監控技術領域，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] 隨著因特網的快速發展，通過因特網傳輸數據媒體數據變得越來越流行。但是，該 些數據很容易的被非法復制和再發送。于是，對于數字化數據版權和完整性的保護顯得越 來越重要。3D模型在動畫，虛擬現實，CAD，建筑，考古W及科學數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 年發展的一種分 類算法。近年來，出現了許多研究SVM解決函數逼近，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等發現最低有效 位的水印嵌入技術并不能抵抗噪聲攻擊，發展了在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 類視覺系統的獨特的水印方法。該方法通過產生二進制m序列并調制到一個隨機載波上， 并嵌入到原始信號和調制信號上，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網格水印嵌入優化技術通過提取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。
【發明內容】
[0006] 本發明的目的在于克服現有技術的不足，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。本發明使用獨特的特征向量，W分類出具有平移，旋轉，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明實施例或現有技術中的技術方案，下面將對實施例或現 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，在不付出創造性勞動的前提下，還可 W根據該些附圖獲得其它的附圖。
[0013] 圖1是本發明實施例的基于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] 下面將結合本發明實施例中的附圖，對本發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明一部分實施例，而不是全部的實施例。基于 本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他 實施例，都屬于本發明保護的范圍。
[0016] 本發明的目的在于，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，本發明使用獨特的特征向量，W分類出具有平移，旋 轉，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] 下面結合圖1說明本發明基于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（連接點的數目），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
【申請號】CN201410768092
【發明人】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