[发明专利]基于梯度提升决策树的矢量地图水印处理方法、终端

说明书

本发明提供一种基于梯度提升决策树的矢量地图水印处理方法、终端，该方法包括：S101：对矢量地图进行预处理，通过Delaunay三角网获取最大扰动区域；S102：根据数据中的非特征点进行水印嵌入，根据顶点与对应的最大扰动区域的位置关系以及约束条件识别并纠正顶点中的待纠正点，并进行水印检测；S103：对生成的训练集、测试集进行特征工程处理以训练梯度提升决策树模型，判断模型的测试结果是否满足预设条件，若是，则执行S104，若否，则执行S103；S104：根据模型预测最大扰动区域的半径，通过预测的最大扰动和约束条件对矢量地图进行水印嵌入和纠正。本发明能更高效地对水印嵌入过程中引起的问题进行检查与纠正，实现水印不被破坏的同时保证矢量地图的数据质量。

技术领域

本发明涉及矢量地图水印处理领域，尤其涉及一种基于梯度提升决策树的矢量地图水印处理方法、终端。

背景技术

矢量地图是国民经济、国防建设以及社会发展的重要战略资源，不仅能够精确地表达要素的空间位置，还能够对要素的拓扑关系、几何形状等其他重要空间特性进行详细的描述。从国家地理信息安全的角度来考虑，矢量地图的安全问题关系到国家安全、科技协作交流、知识产权保护、数据共享等各个方面。近年来，矢量地图水印技术的研究逐渐成为矢量地图安全领域研究与应用的热点。当特定的水印信息嵌入矢量地图时，虽然可以满足鲁棒性、不可见性、安全性等数字水印的基本特性，但是可能扰动数据中要素的顶点坐标，继而破坏要素的拓扑关系和几何特征等重要的空间特征，从而降低含水印矢量地图的可用性。

因此，在矢量地图版权保护研究的过程中，如何设计出既能满足数字水印的不可见性和鲁棒性要求，又能够保持矢量地图的拓扑关系和几何特征的高质量、高效率的水印处理方案，成为一项亟待解决的问题。

发明内容

为了克服现有技术的不足，本发明提出一种基于梯度提升决策树的矢量地图水印处理方法、终端，能够结合最大扰动区域、约束条件对水印嵌入引起的数据改变进行检查和纠正，提高了训练数据的准确性，并通过建立梯度提升决策树模型的方式优化最大扰动区域半径，提升矢量地图坐标域水印处理算法的效率，更高效地对水印嵌入过程中引起数据的拓扑关系错误和几何特征改变等问题进行检查与纠正，实现水印不被破坏的同时保证矢量地图的数据质量。

为解决上述问题，本发明采用的一个技术方案为：一种基于梯度提升决策树的矢量地图水印处理方法，所述基于梯度提升决策树的矢量地图水印处理方法包括：所述基于梯度提升决策树的矢量地图水印处理方法包括：S101：对矢量地图进行预处理，根据预处理后的所示矢量地图的数据构建Delaunay三角网，通过所述Delaunay三角网获取网格中每个顶点的最大扰动区域；S102：根据所述数据中的特征点、非特征点进行水印嵌入，根据所述顶点与对应的最大扰动区域的位置关系以及约束条件识别所述顶点中的待纠正点，对所述待纠正点的坐标进行纠正，并对矢量地图的数据进行水印检测；S103：根据检测到水印的矢量地图的数据生成训练集、测试集，并对所述训练集、测试集进行特征工程处理，基于处理生成的特征训练梯度提升决策树模型，判断训练后的所述梯度提升决策树模型的测试结果是否满足预设条件，若是，则执行S104，若否，则执行S103；S104：根据所述梯度提升决策树模型预测最大扰动区域的半径，通过预测的最大扰动和约束条件对矢量地图进行水印嵌入和纠正。

进一步地，所述对矢量地图进行预处理的步骤具体包括：融合所述矢量地图中的邻近多边形，并将融合后的所述矢量地图的数据转换为线数据。

进一步地，所述通过所述Delaunay三角网获取网格中每个顶点的最大扰动区域的步骤具体包括：计算所述Delaunay三角网中每个三角形的内切圆半径，根据所述顶点的邻接三角形中的最小内切圆半径获取每个顶点的最大扰动区域。

进一步地，所述根据所述数据中的特征点、非特征点进行水印嵌入的步骤具体包括：通过道格拉斯-普克算法获取所述数据中的特征点、非特征点，并将水印嵌入所述非特征点中。