一种三维模型的隐写分析方法、系统、设备和介质

本发明属于隐写分析，涉及一种三维模型的隐写分析方法、系统、设备和介质。

背景技术：

1、信息隐藏技术的发展为安全通信带来了便捷，但同时也成为不法分子危害社会安全的手段之一。因此，为了避免信息隐藏技术被非法使用对社会安全造成危害，信息隐写分析技术的研究与发展日益丰富。现有的三维网格隐写分析算法，主要分为通用型隐写分析和专用型隐写分析。通用型隐写分析，参见：y.yang，r.pintus，h.rushmeier andi.ivrissimtzis，"a 3d steganalytic algorithm and steganalysis-resistantwatermarking，"in ieee transactions on visualization and computer graphics，vol.23，no.2，pp.1002-1013，1feb.2017.；专用型隐写分析，参见：h.zhou，k.chen，w.zhang，y.yao and n.yu，"distortion design for secure adaptive 3-d meshsteganography，"in ieee transactions on multimedia，vol.21，no.6，pp.1384-1398，june 2019.。目前主要的研究方向为通用型隐写分析，因为通用型隐写分析更加符合实际应用。通用型隐写分析主要由预处理阶段，特征提取阶段和分类器的训练阶段三部分构成。其中，在预处理阶段中：首先对三维网格模型进行平滑处理，然后对未平滑网格模型和平滑后网格模型进行标准化，即基于主成分分析的旋转和缩放，主成分分析简称pca，英文全称为：principal component analysis，得到归一化的网格模型；在特征提取阶段中：分别在归一化的未平滑网格模型和归一化的平滑后网格模型中提取几何特征，计算其统计矩进而得到特征向量；分类器的训练阶段中：将特征提取阶段所得特征向量输入至分类器中进行训练，最终获得隐写分析器。

2、三维网格隐写分析特征集于2014年由yang和ivrissimtzi首次提出，参见：yangand ioannis ivrissimtzis.2014.mesh discriminative features for 3dsteganalysis.acm trans.multimedia comput.commun.appl.10，3，article 27(april2014)，13pages.，将其命名为yang208，为之后三维网格隐写分析特征集的提取奠定了基础；2016年，li和bors约简了yang208中部分特征仅保留了6个特征，并设计出另两个特征，分别计算统计特征得到40维隐写分析特征将其命名为yang40；同年，li和bors提出基于局部特征集合的有效特征，共含52维，简称lfs52，参见：z.li and a.g.bors，"3d meshsteganalysis using local shape features，"2016ieee international conference onacoustics，speech and signal processing(icassp)，shanghai，china，2016，pp.2144-2148.。2017年kim等人在lfs52特征的基础上，提出了3个特征并计算其统计特征，组合为64维特征，简称lfs64，参见：kim，d.，jang，hu.，choi，hy.，son，j.，yu，ij.，lee，hk.(2017).improved 3d mesh steganalysis using homogeneous kernel map.in:kim，k.，joukov，n.(eds)information science and applications 2017.icisa 2017.lecture notes inelectrical engineering，vol 424.springer，singapore.；2017年li和bors在lfs52的基础上进一步提出球坐标系下坐标分量值变化特征，简称lfs76，参见：li z y and bors ag.2017.steganalysis of 3d objects using statistics of local featuresets.information sciences，415/416:85-998.；2018年，li和bors在lfs76的基础上，提出了基于边长和边长分量变化特征，简称elfs124，参见：z.li and a.g.bors，"selection ofrobust and relevant features for 3-d steganalysis，"in ieee transactions oncybernetics，vol.50，no.5，pp.1989-2001，may 2020.。2019年，zhou等人设计了三角面法向量的张量投票模型，通过对张量矩阵特征值分得到3个根，将特征根的偏移量作隐写分析特征，将其与lfs76特征级联得到100维的nvt+隐写分析特征，参见：h.zhou，k.chen，w.zhang，c.qin and n.yu，"feature-preserving tensor voting model for meshsteganalysis，"in ieee transactions on visualization and computer graphics，vol.27，no.1，pp.57-67，1jan.2021.。2020年，li和bors借助小波分解得到一组新的隐写分析特征，简称wfs228，参见：li z y and bors ag.2020b.steganalysis of meshes basedon 3d wavelet multiresolution analysis.information sciences，522:164-179.该特征能有效地检测基于小波变换的三维网格隐写算法。

3、目前有关三维隐写分析技术的研究均在yang208的基础上在特征提取阶段对特征集进行优化与完善，其中在预处理阶段均使用拉普拉斯平滑算法对原始网格和含密网格进行平滑，由此可见，在预处理阶段使用拉普拉斯平滑算法对三维网格平滑，对于三维隐写分析算法来说是可行的。未对网格平滑算法展开进一步的研究。三维网格平滑去噪方法应用于其他研究领域，且取得了良好的效果，其原理和拉普拉斯平滑算法有相似之处，部分平滑去噪方法从拉普拉斯平滑算法中泛化衍生。

4、但是，部分模型在经过拉普拉斯平滑后会过度明显平滑亦或产生伪特征，从而将模型的部分边缘特征消除，进而导致所得隐写分析特征在隐写分析器上的准确率降低。

技术实现思路

1、为了克服上述现有技术的缺点，本发明的目的在于提供一种三维模型的隐写分析方法、系统、设备和介质，本发明能够实现三维模型的隐写分析，提升了隐写分析的准确率。

2、为了达到上述目的，本发明采用以下技术方案予以实现：

3、第一方面，本发明提供一种三维模型的隐写分析方法，包括以下步骤：

4、分别获取含密三维网格模型和原始三维网格模型的面法线向量，利用面法线向量训练回归函数，利用回归函数对含密三维网格模型和原始三维网格模型进行若干次平滑处理，分别得到平滑后的含密三维网格模型和原始三维网格模型；

5、对平滑后的含密三维网格模型和原始三维网格模型进行归一化处理，分别得到含密三维网格模型和原始三维网格模型的标准形式；

6、获取含密三维网格模型和原始三维网格模型的标准形式的elfs124的总特征向量和wfs228的总特征向量得到总特征集，使用fld对总特征集进行集成判别分析得到隐写分析结果。

7、第二方面，本发明提供一种三维模型的隐写分析系统，包括平滑处理模块、归一化处理模块和隐写分析模块，其中：

8、平滑处理模块：用于分别获取含密三维网格模型和原始三维网格模型的面法线向量，利用面法线向量训练回归函数，利用回归函数对含密三维网格模型和原始三维网格模型进行若干次平滑处理，分别得到平滑后的含密三维网格模型和原始三维网格模型；

9、归一化处理模块：用于对平滑后的含密三维网格模型和原始三维网格模型进行归一化处理，分别得到含密三维网格模型和原始三维网格模型的标准形式；

10、隐写分析模块：用于获取含密三维网格模型和原始三维网格模型的标准形式的elfs124的总特征向量和wfs228的总特征向量得到总特征集，使用fld对总特征集进行集成判别分析得到隐写分析结果。

11、第三方面，本发明提供一种电子设备，包括：处理器；存储器，用于存储计算机程序指令；用于执行所述计算机程序时实现三维模型的隐写分析方法的步骤。

12、第四方面，本发明提供一种存储介质，所述存储介质存储有计算机程序指令，所述计算机程序指令被处理器加载并运行时，所述处理器执行三维模型的隐写分析方法。

13、与现有技术相比，本发明具有以下有益效果：

14、1、本发明方法，分别获取含密三维网格模型和原始三维网格模型的面法线向量，利用面法线向量训练回归函数，利用回归函数对含密三维网格模型和原始三维网格模型进行若干次平滑处理，分别得到平滑后的含密三维网格模型和原始三维网格模型，使提取的特征在fld中表现更佳；对平滑后的含密三维网格模型和原始三维网格模型进行归一化处理，分别得到含密三维网格模型和原始三维网格模型的标准形式；获取含密三维网格模型和原始三维网格模型的标准形式的elfs124的总特征向量和wfs228的总特征向量得到总特征集，使用fld对总特征集进行集成判别分析得到隐写分析结果。本发明弥补了部分模型在经过拉普拉斯平滑后会过度明显平滑亦或产生伪特征从而将模型的部分边缘特征消除这一缺点，使所得隐写分析特征在隐写分析器上的准确率明显提升，相比于在预处理阶段使用拉普拉斯平滑算法对三维模型进行平滑，本发明提出的平滑算法具备更好的效果和更好的实际应用价值。

15、2、本发明系统，包括平滑处理模块、归一化处理模块和隐写分析模块，其中：平滑处理模块用于分别获取含密三维网格模型和原始三维网格模型的面法线向量，利用面法线向量训练回归函数，利用回归函数对含密三维网格模型和原始三维网格模型进行若干次平滑处理，分别得到平滑后的含密三维网格模型和原始三维网格模型；归一化处理模块用于对平滑后的含密三维网格模型和原始三维网格模型进行归一化处理，分别得到含密三维网格模型和原始三维网格模型的标准形式；隐写分析模块用于获取含密三维网格模型和原始三维网格模型的标准形式的elfs124的总特征向量和wfs228的总特征向量得到总特征集，使用fld对总特征集进行集成判别分析得到隐写分析结果。各个模块相互配合，明能够实现三维模型的隐写分析，提升了隐写分析的准确率。

16、3、本发明设备和介质同样明能够实现三维模型的隐写分析，能够提升隐写分析的准确率。