项目名称: 基于压缩感知的矢量地理数据水印模型研究

项目编号: No.41301413

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 任娜

作者单位: 南京师范大学

项目金额: 25万元

中文摘要: 数字水印技术在矢量地理数据版权保护中发挥重要作用,但还存在一些瓶颈问题亟待解决。例如水印信息容量难以有效扩充、小数据量矢量地理数据水印嵌入难、抗攻击性不够完善等,这些问题严重制约了矢量地理数据水印的深入发展和可靠应用。本项目拟基于近年来兴起的一种突破传统采样方式的压缩感知理论,研究矢量地理数据水印信息稀疏表达模型和重构算法,扩展水印信息容量,分析不同攻击方式对水印信息重构和检测的影响,揭示矢量地理数据水印信息重构的基本规律,构建基于压缩感知的矢量地理数据水印模型,解决矢量地理数据水印信息的最佳稀疏域确定和最优化问题求解等关键科学问题。本项目是基于压缩感知理论研究矢量地理数据水印的一次全新探索,所提出的矢量地理数据水印模型与方法,可望在矢量地理数据数字水印研究中取得创新性的研究成果,充实矢量地理数据数字水印的理论与方法体系。

中文关键词: 矢量地理数据;数字水印;压缩感知;鲁棒性;水印信息容量

英文摘要: Digital watermark technology plays an important role in the area of the copyright protection for vector geographic data. However, there are still some problems to be solved. For example, it is difficult to expand the watermark information capacity effectively, it is hard to embed the watermark information into small amount of data, and the anti-attacking ability of watermark is not perfect. These problems have seriously restricted the in-depth development of watermark and its reliable applications for vector geographic data. Based on an emerging theory breaking through the traditional sampling techniques, namely the theory of compressive sensing, this project proposes to study the sparse expression model and reconstruction algorithm of the watermark information for vector geographic data, expand the watermarking capacity, and analyze the impact of different attack methods on the reconstruction as well as detecting of watermark information. The project will explore the basic criteria of information reconstruction for vector geographic data, build the watermarking model for vector geographic data based on compressive sensing, and solve the related key issues for watermarking information such as the definition of optimum sparse domain and solutions to optimization problems. This project will present a brand new exp

英文关键词: vector geographic data;digital watermark;compressive sensing;robustness;watermark information capacity

成为VIP会员查看完整内容
0

相关内容

空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
64+阅读 · 2021年7月25日
专知会员服务
26+阅读 · 2021年7月16日
专知会员服务
50+阅读 · 2021年5月19日
【IJCAI】大规模可扩展深度学习,82页ppt
专知会员服务
27+阅读 · 2021年1月10日
Python地理数据处理,362页pdf,Geoprocessing with Python
专知会员服务
113+阅读 · 2020年5月24日
空间数据智能:概念、技术与挑战
专知
8+阅读 · 2022年2月4日
图神经网络:基础理论与模型思想
专知
3+阅读 · 2021年12月28日
基于区块链技术的推荐算法综述
机器学习与推荐算法
2+阅读 · 2021年12月1日
KDD'21 | 如何评估GNN的解释性模型?
图与推荐
1+阅读 · 2021年9月30日
KDD2021 | 基于深度图卷积网络的多样化推荐
机器学习与推荐算法
0+阅读 · 2021年8月24日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
29+阅读 · 2018年4月6日
小贴士
相关VIP内容
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
64+阅读 · 2021年7月25日
专知会员服务
26+阅读 · 2021年7月16日
专知会员服务
50+阅读 · 2021年5月19日
【IJCAI】大规模可扩展深度学习,82页ppt
专知会员服务
27+阅读 · 2021年1月10日
Python地理数据处理,362页pdf,Geoprocessing with Python
专知会员服务
113+阅读 · 2020年5月24日
相关资讯
空间数据智能:概念、技术与挑战
专知
8+阅读 · 2022年2月4日
图神经网络:基础理论与模型思想
专知
3+阅读 · 2021年12月28日
基于区块链技术的推荐算法综述
机器学习与推荐算法
2+阅读 · 2021年12月1日
KDD'21 | 如何评估GNN的解释性模型?
图与推荐
1+阅读 · 2021年9月30日
KDD2021 | 基于深度图卷积网络的多样化推荐
机器学习与推荐算法
0+阅读 · 2021年8月24日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员