一种三维点云的隐写分析方法和系统

本发明属于隐写分析，涉及一种三维点云的隐写分析方法和系统。

背景技术：

1、目前，三维模型由于其复杂的结构特性与多种的表现形式被广泛的用作多媒体传播载体，同时也引起了信息隐藏领域学者的关注。将秘密信息编码并通过修改三维模型中部分区域结构来表达编码后的秘密信息，可有效的实现三维模型的信息隐藏。相较于传统的二维图片进行信息隐藏的方法，三维模型信息隐写容量更大、隐写区域更多。

2、随着三维模型信息隐写领域的发展，导致了一系列安全和隐私问题。为防止三维模型信息隐写被恶意使用，已有研究提出了与之相对应的三维模型隐写分析。由于目前隐写方法大部分集中在空间域，因此隐写分析研究也集中在空间域隐写分析。现有网格隐写分析算法无法应用于点云，点云隐写分析准确率低。

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点云的隐写分析方法和系统，本发明能够实现三维点云的隐写分析，有效提升了三维点云隐写分析准确率。

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点云的隐写分析方法，包括以下步骤：

4、通过复合算子分别提取初始三维点云和平滑三维点云中的特征点，特征点的邻域点作为特征增强区域，在特征增强区域进行特征增强，得到增强后的初始三维点云和增强后的平滑三维点云；

5、使用点云隐写分析特征集分别筛选增强后的初始三维点云和增强后的平滑三维点云的特征向量，根据筛选的特征向量计算残差并进行集成分类，实现对初始三维点云的隐写分析。

6、第二方面，本发明提供一种三维点云的隐写分析系统，包括特征增强模块和隐写分析模块，其中：

7、特征增强模块：用于通过复合算子分别提取初始三维点云和平滑三维点云中的特征点，特征点的邻域点作为特征增强区域，在特征增强区域进行特征增强，得到增强后的初始三维点云和增强后的平滑三维点云；

8、隐写分析模块：用于使用点云隐写分析特征集分别筛选增强后的初始三维点云和增强后的平滑三维点云的特征向量，根据筛选的特征向量计算残差并进行集成分类，实现对初始三维点云的隐写分析。

9、与现有技术相比，本发明具有以下有益效果：

10、1、本发明方法，通过复合算子分别提取出初始三维点云和平滑三维点云中的特征点，特征点的邻域点作为特征增强区域，在特征增强区域进行特征增强，得到增强后的初始三维点云和增强后的平滑三维点云；使用点云隐写分析特征集分别筛选增强后的初始三维点云和增强后的平滑三维点云的特征向量，根据筛选的特征向量计算残差并进行集成分类，实现对初始三维点云的隐写分析。本发明以特征增强的隐写分析算法的核心优势是弥补了先前点云模型隐写分析的空白，对于三维点云有较强的隐写分析能力，提升了三维点云隐写分析准确率。

11、2、本发明方法，对初始三维点云进行归一化处理，得到归一化的初始三维点云，对初始三维点云依次进行平滑处理，得到平滑三维点云，对平滑三维点云进行归一化处理，得到归一化的平滑三维点云，使所有点云数据形成统一标准，规范化算法输入，防止了由于输入规格不统一造成的算法正确率下降。

12、3、本发明方法，根据现有三维网格隐写分析特征集合和最近邻边边长、最近邻域密度以及最近邻边法向量得到点云隐写分析特征集，相较于原本的网格隐写分析特征集，有益效果为：彻底脱离了对网格模型边信息以及面信息的依赖，形成了针对于三维点云的隐写分析特征集，有效提高三维点云隐写分析准确率。

13、4、本发明方法，对归一化的初始三维点云和归一化的平滑三维点云进行高斯模糊，得到高斯金字塔，根据高斯金字塔构建harris矩阵，计算harris矩阵响应值得到候选的特征点，通过极大值抑制法在候选的特征点中筛选出角点。使用降采样公式构建点云高斯金字塔。采用非极大值抑制法选取特征点，目的是从点云筛选出具有最高响应值的像素，并消除其他相邻像素的响应值，以确保最终保留的角点是局部响应值最强的。

14、5、本发明系统，包括特征增强模块和隐写分析模块，其中：特征增强模块用于通过复合算子分别提取初始三维点云和平滑三维点云中的特征点，特征点的邻域点作为特征增强区域，在特征增强区域进行特征增强，得到增强后的初始三维点云和增强后的平滑三维点云；隐写分析模块用于使用点云隐写分析特征集分别筛选增强后的初始三维点云和增强后的平滑三维点云的特征向量，根据筛选的特征向量计算残差并进行集成分类，实现对初始三维点云的隐写分析。各模块相互配合，能够实现三维点云的隐写分析，有效提升了三维点云隐写分析准确率。

技术特征：

1.一种三维点云的隐写分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种三维点云的隐写分析方法，其特征在于，所述通过复合算子分别提取初始三维点云和平滑三维点云中的特征点，特征点的邻域点作为特征增强区域，具体如下：

3.根据权利要求2所述的一种三维点云的隐写分析方法，其特征在于，所述对初始三维点云进行平滑处理，平滑公式如下：

4.根据权利要求2所述的一种三维点云的隐写分析方法，其特征在于，所述通过复合算子分别提取出归一化的初始三维点云和归一化的平滑三维点云中的特征点，特征点的邻域点作为特征增强区域，具体如下：

5.根据权利要求4所述的一种三维点云的隐写分析方法，其特征在于，所述对归一化的初始三维点云和归一化的平滑三维点云进行高斯模糊，得到高斯金字塔，根据高斯金字塔构建harris矩阵，计算harris矩阵响应值得到候选的特征点，通过极大值抑制法在候选的特征点中筛选出角点，具体如下：

6.根据权利要求4所述的一种三维点云的隐写分析方法，其特征在于，所述计算归一化的初始三维点云和归一化的平滑三维点云中的每个点邻域内点的特征协方差矩阵，使用特征协方差矩阵分解得到的特征向量和特征值，根据特征向量和特征值构建特征描述矩阵，具体如下：

7.根据权利要求1所述的一种三维点云的隐写分析方法，其特征在于，所述在特征增强区域进行特征增强，得到增强后的初始三维点云和增强后的平滑三维点云，特征增强公式如下：

8.根据权利要求1所述的一种三维点云的隐写分析方法，其特征在于，所述云隐写分析特征集的获取过程如下：

9.根据权利要求8所述的一种三维点云的隐写分析方法，其特征在于，所述根据现有三维网格隐写分析特征集合和最近邻边边长、最近邻域密度以及最近邻边法向量得到点云隐写分析特征集，具体如下：

10.一种用于实现权利要求1至9任一所述方法的三维点云的隐写分析系统，其特征在于，包括特征增强模块和隐写分析模块，其中：

技术总结本发明属于隐写分析技术领域，涉及一种三维点云的隐写分析方法和系统。通过对初始三维点云进行预处理，通过复合算子分别提取特征点，特征点的邻域点作为特征增强区域，在特征增强区域进行特征增强；根据现有三维网格隐写分析特征集合和最近邻边边长、最近邻域密度以及最近邻边法向量得到点云隐写分析特征集；使用点云隐写分析特征集分别筛选增强后的初始三维点云和增强后的平滑三维点云的特征向量，根据筛选的特征向量计算残差并进行集成分类，实现对初始三维点云的隐写分析。本发明以特征增强的隐写分析算法的核心优势是弥补了先前点云模型隐写分析的空白，实现三维点云的隐写分析，有效提升了三维点云隐写分析准确率。技术研发人员：任帅,龚浩,郑苏雅受保护的技术使用者：长安大学技术研发日：技术公布日：2024/7/29