حفاظت از مالکیت در مدل رقومی ارتفاع (DEM) با استفاده از واترمارکینگ مبتنی بر تبدیل

هدف این تحقیق محافظت از داده‌های مدل ارتفاعی دیجیتال (DEM) در برابر دزدی دریایی یا جعل است. یک واترمارک نامرئی در داده‌ها که مقدار داده‌ها را به میزان قابل توجهی تغییر نمی‌دهد، ضروری است. روش پیشنهادی شامل استفاده از تبدیل کسینوس گسسته دو بعدی (۲D DCT)، ترکیبی از DCT 2 بعدی و تبدیل موجک گسسته (DWT) و تبدیل فوریه گسسته دو بعدی (۲D DFT) در حوزه فرکانس است. داده های مورد استفاده شامل یک فایل DEM ملی دانلود شده از ژئوپورتال آژانس اطلاعات مکانی ( Badan Informasi Geospasial-بزرگ). سه فایل نمایانگر مناطق کوهستانی، پست/شهری و ساحلی است. یک “حمله” نیز با برش به DEM واترمارک شده انجام می شود. نتایج نشان می دهد که DEM واترمارک شده به خوبی شناخته شده است. واترمارک را می توان ۱۰۰٪ برای DCT 2D خواند، در حالی که برای ۲D DFT می تواند ۹۰٫۵۰٪ خوانده شود. مقدار اعوجاج داده های ارتفاع تحت تکنیک DCT کوچکترین مقدار حداکثر ۰٫۱ متر را در مقایسه با ۴٫۵ و ۱٫۱ متر برای DFT 2D و ۲D DCT-DWT نشان می دهد. در همین حال، اختلاف ارتفاع (Max Delta)، نسبت پیک سیگنال به نویز و ریشه میانگین مربعات خطا (RMSE) به ترتیب در مناطق کوهستانی، پست و ساحلی بالاترین میزان را دارند. به طور کلی، ۲D DCT نیز برتر از ۲D DFT و ۲D DCT-DWT است. اگرچه فقط یک نفر می تواند نه واترمارک درج شده در هر صفحه را تشخیص دهد، DEM هایی که توسط فرآیند برش مورد حمله قرار می گیرند هنوز هم قابل شناسایی هستند.

کلید واژه ها:

حفاظت از داده ها ؛ مدل رقومی ارتفاع (DEM) ; تبدیل کسینوس گسسته ; تبدیل فوریه گسسته ; تبدیل موجک گسسته ; GeoTIFF ; مالکیت ؛ واترمارکینگ

۱٫ مقدمه

داده‌های باز مجموعه‌ای یا چندگانه از داده‌های دیجیتالی هستند که برای استفاده رایگان ساخته شده‌اند و بدون محدودیت مالکیت، کپی‌رایت یا سایر استانداردهای کنترل مکانیزم توسط هر کسی در دسترس، استفاده مجدد، استفاده و توزیع مجدد می‌شوند، بنابراین با ذکر منبع و به قانون احترام می‌گذارند. مالک داده ها (به عنوان مثال، حقوق مالکیت معنوی). داده‌های باز کاربران را قادر می‌سازد تا در برنامه‌ریزی عمومی مشارکت کنند، برای کیفیت خدمات دولت بازخورد ارائه دهند و مجموعه داده‌های مختلف را با هم مقایسه و ترکیب کنند که می‌تواند به شناسایی روندها، چالش‌ها و نابرابری‌ها در بخش‌های اجتماعی و اقتصادی کمک کند. شفافیت اطلاعات عمومی از ویژگی های مهم یک کشور دموکراتیک است که در آن به دست آوردن داده ها و اطلاعات یک حق بشری است.

داده های جغرافیایی برای حمایت از منافع ملی (به عنوان مثال، مدل سازی هیدرودینامیکی برای ارزیابی تاثیر سیل جزر و مد بر تولید نمک) استفاده می شود [ ۱ ]. از همین داده ها می توان برای مدل سازی سونامی [ ۲ ]، شبیه سازی جزر و مد [ ۳ ] و اهداف دیگر نیز استفاده کرد. علاوه بر این، داده ها و اطلاعات مکانی به صورت استراتژیک همراه با داده های آماری و مالی برای برنامه ریزی توسعه در هر کشور قرار می گیرند. داده‌های مکانی به داده‌ها و اطلاعاتی مربوط می‌شوند که موقعیت و وضعیت یک شی یا رویداد را در یک سیستم مختصات خاص در زیر، روی یا بالای سطح زمین نشان می‌دهند. بنابراین، این داده ها دارای فرمت های منحصر به فردی هستند، مانند داده ها و اطلاعات جغرافیایی مرجع، داده های جغرافیایی و اطلاعات جغرافیایی.

یکی از فرمت های داده های مکانی GeoTIFF است. GeoTIFF بر اساس فرمت TIFF با اطلاعات جغرافیایی جاسازی شده است و به طور گسترده در سیستم های داده علوم زمین ناسا استفاده می شود. دارای برچسب‌های TIFF، از جمله ابرداده‌های شطرنجی زیر، مانند وسعت فضایی، طرح‌ریزی، داده‌ها، اطلاعات کارتوگرافی، سیستم مرجع مختصات بیضی، و وضوح در قالب شطرنجی (شامل پیکسل‌ها)، عمدتاً به عنوان فرمت توزیع برای مدل ارتفاعی دیجیتال (DEM) ، داده های ماهواره ای یا تصویربرداری هوایی و داده های چهارگوش ارتو دیجیتال [ ۴ ، ۵ ، ۶ ، ۷]. یک DEM نمایانگر سطح توپوگرافی زمین برهنه (زمین برهنه) است، به استثنای درختان، ساختمان ها و سایر اشیاء سطحی. DEM همچنین یک نمایش شطرنجی از یک سطح پیوسته است که معمولاً به سطح زمین اشاره می کند که به عنوان یک لایه سیستم اطلاعات جغرافیایی (GIS) پردازش می شود که از داده های سنجش از دور جمع آوری شده توسط ماهواره ها، هواپیماهای بدون سرنشین و هواپیماها تولید می شود. دقت این داده ها در درجه اول با وضوح (فاصله بین نقاط نمونه) تعیین می شود. سایر عوامل مؤثر بر دقت عبارتند از نوع داده (عدد صحیح یا ممیز شناور) و نمونه برداری واقعی از سطح در طول ایجاد DEM اصلی.

اطلاعات پایه جغرافیایی در قالب تصاویر ماهواره ای (رستر)، نقشه های توپوگرافی (بردار) و ماتریس ارتفاع ملی یا مدل ملی ارتفاعی دیجیتال ( DEMNAS ) از محصولات اصلی آژانس اطلاعات مکانی اندونزی است. ( Badan Informasi Geospasial —BIG)، موجود در ژئوپورتال [ ۸ ]. حفاظت از مالکیت برای DEM در قالب GeoTIFF با یک شبکه نامنظم مثلثی (TIN) متفاوت خواهد بود، که ممکن است فقط از طریق علامت گذاری صفر امکان پذیر باشد [ ۹ ]]. TIN یک سطح را به عنوان مجموعه ای از مثلث های به هم پیوسته و غیر همپوشانی نشان می دهد که یک مورد خاص DEM است. نتایج شبیه‌سازی نشان می‌دهد که این روش در برابر حملات ترجمه، چرخش، مقیاس‌بندی و برش استحکام خوبی دارد. ساخت واترمارک های صفر با جمع آوری تمام مثلث ها از داده های اصلی تاکید می شود. بخش اصلی واترمارک صفر شامل انتخاب مشخصه پایدار و ساخت واترمارک است. یک مشخصه پایدار نشان می دهد که بدون توجه به نوع و شدت حملات دریافتی توسط داده ها، بدون تغییر باقی می ماند یا فقط کمی تغییر می کند. استحکام واترمارکینگ صفر عمدتاً از این پایداری سرچشمه می گیرد. در روش پیشنهادی، رابطه طول لبه مشخصه پایدار داده TIN DEM است. با این حال، این یافته با یافته های مطالعه حاضر متفاوت است زیرا GeoTIFF به عنوان هدف تحقیق مورد استفاده قرار گرفت. واترمارک بر اساس هدف مطالعه حاضر همچنان ضروری است. بنابراین، تصویر میزبان یک تولید بزرگ در نظر گرفته می شود تا زمانی که حداقل ۱۰٪ از یک واترمارک را بتوان پس از حمله به تصویر میزبان از تصویر جاسازی شده استخراج کرد.

رشد جنبش داده‌های مکانی باز با چالش‌هایی در اجرای حفاظت از داده‌ها و به دنبال آن تهدیدات فزاینده در حقوق مالکیت معنوی مواجه می‌شود. بنابراین، حفظ یکپارچگی داده های مکانی و جلوگیری از تغییر کپی غیرقانونی داده ها ضروری است. حفاظت از حق نسخه برداری با استفاده از روش های جلوگیری از کپی، مالکیت حق چاپ، جلوگیری از جعل داده ها، تکرار غیرقانونی یا دزدی داده ها شروع به ظهور کرده است. بنابراین ایجاد امنیت در داده های مکانی با تکنیک های جلوگیری از دزدی دریایی و جعل همزمان ضروری است. این امنیت باید شرایط زیر را برآورده کند: (۱) باید در داده ها نامرئی باشد، (۲) باید به داده ها متصل شود (نه در برنامه)،

واترمارک یک روش حفاظت از مالکیت است [ ۱۰ , ۱۱ , ۱۲ , ۱۳ , ۱۴ , ۱۵ , ۱۶ , ۱۷]. علاوه بر این، این روش به تغییرات جزئی حساس است و امکان تشخیص آسان هرگونه دستکاری (با حمله به داده) را فراهم می کند. این تحقیق آزمایش‌هایی را با سناریوهای متعدد بر روی واترمارکینگ مبتنی بر تبدیل انجام داد، مانند تبدیل فوریه گسسته دو بعدی (۲D DFT)، تبدیل کسینوس گسسته (۲D DCT)، و تبدیل موجک گسسته (۲D DWT). الگوریتم‌های DCT، DFT و DWT در حال حاضر به طور گسترده در کاربردهای مختلف استفاده می‌شوند. بنابراین، بسیاری از کتابخانه های توابع آماده برای استفاده در دسترس هستند، که توسعه را برای توسعه دهندگان نرم افزار آسان تر می کند. جالب توجه است، الگوریتم های دیگر [ ۱۸ ، ۱۹ ] را می توان برای استفاده در آینده در DEM اصلاح کرد.

۲٫ مواد

الگوریتم‌های امنیتی توسعه‌یافته باید شامل موارد زیر باشد: الگوریتم‌هایی برای داده‌های تصویر شطرنجی چندطیفی جغرافیایی مرجع (مثلاً در قالب GeoTIFF، ۸ بیت در هر باند)، داده‌های DEMNAS که در آن هر سلول حاوی اطلاعات ارتفاع ۳۲ بیتی (همچنین فرمت GeoTIFF) و ساختار برداری است. داده های نقشه توپوگرافی (به عنوان مثال، در فرمت فایل ESRI-Shape، SHP). جنبه هندسی نیز باید برای حفظ کیفیت اطلاعات مکانی در نظر گرفته شود زیرا داده های فوق برای اهداف نقشه برداری توسعه ملی در اندونزی هستند. بنابراین، آیین نامه رئیس شماره ۶ BIG 2018 در مورد دستورالعمل های فنی برای دقت نقشه پایه [ ۲۰ ] در جدول ۱ به عنوان مرجع استفاده می شود و مقدار دقت در هر کلاس از طریق مفاد نشان داده شده در زیر به دست می آید.جدول ۲ در زیر

خطای موقعیت نقشه پایه از مقدار دقت با سطح اطمینان ۹۰٪ تجاوز نمی کند. بنابراین، مقادیر CE90 و LE90 را می توان با فرمول مبتنی بر استاندارد زیر استانداردهای ملی دقت نقشه ایالات متحده (NMAS) بدست آورد: CE90 = 1.5175 × RMSEr و LE90 = 1.6499 × RMSEz، که در آن RMSEr به معنای ریشه میانگین مربع است. خطا در موقعیت های افقی x و y و RMSEz نشان دهنده ریشه میانگین مربع خطا در موقعیت عمودی z است.

الگوریتم‌های امنیتی توسعه‌یافته باید تقاضای حفاظت از مالکیت را برآورده کنند، یعنی همه این الگوریتم‌ها باید در رمزگذاری و رمزگشایی سریع باشند: رمزگذاری باید به صورت دسته‌ای برای همه داده‌های مرتبط در مرکز داده انجام شود یا در حین حرکت یا پیشرفت زمانی که کاربر در حال حرکت است انجام شود. به داده ها دسترسی پیدا می کند و رمزگشایی باید “در حال پرواز” برای داده های مواجه شده انجام شود. بنابراین، تمام الگوریتم‌ها باید در برنامه‌هایی پیاده‌سازی شوند که عملکرد سریع آنها ثابت شده است. هدف آزمایش عملکرد و دوام سه الگوریتم واترمارکینگ، یعنی ۲D DFT، ۲D DCT، و ۲D DWT است، علیرغم استفاده محدود آنها برای داده های مکانی، به ویژه نقشه های برداری [ ۲۱ ].

داده های مورد استفاده در این تحقیق شامل داده های مدل ملی رقومی ارتفاعی (DEMNAS) می باشد. داده های DEM برای کارهای مهندسی مانند برنامه ریزی آبیاری ضروری است. جاده ها، پل ها و سدها؛ محاسبه حجم خاک؛ تجزیه و تحلیل دید؛ و تجزیه و تحلیل انتشار امواج رادیویی مخابراتی. بنابراین، DEM به دقت بالایی نیاز دارد [ ۲۱]. با این وجود، دقت به‌دست‌آمده از DEM نباید به‌دلیل فرآیند واترمارکینگ به‌طور قابل‌توجهی کاهش یابد. در مرکز داده، داده‌های DEM در کاشی‌هایی با هویت به شکل شماره صفحه نقشه ذخیره می‌شوند، که از آن مختصات طول و عرض جغرافیایی گوشه‌های داده می‌توان فوراً تشخیص داد. وضوح فضایی DEMNAS با استفاده از داده عمودی EGM2008 0.27 ثانیه قوسی است و فرمت داده ها یک GeoTIFF شناور ۳۲ بیتی است. فرمت GeoTIFF در سراسر داده‌های مکانی برای به اشتراک گذاشتن داده‌های تصویر جغرافیایی از سیستم‌های تصویربرداری ماهواره‌ای، عکس‌برداری هوایی، نقشه‌های اسکن‌شده، DEMs یا تحلیل‌های جغرافیایی استفاده می‌شود. شرح داده ها در جدول ۳ ارائه شده است .

“سه گانه سیا” (محرمانه – یکپارچگی – در دسترس بودن) یک معیار پرکاربرد برای ارزیابی اثربخشی امنیت سیستم اطلاعاتی است [ ۲۲ ]. این حوزه تحقیقاتی فقط «یکپارچگی» را اندازه‌گیری می‌کند و شامل پارامترهای «عدم انکار» اضافی برای تسهیل هدف علامت گذاری در اطلاعات مکانی است که در آن خالق/مالکیت آن‌ها غیرقابل انکار است. از طریق پیش‌نیاز، این روش تحقیق ثابت می‌کند که راه‌حل پیشنهادی می‌تواند از طریق تضمین حق چاپ (مالکیت داده‌ها) و «عدم انکار» با برچسب‌گذاری هویت یا عملکرد سلب مسئولیت خود در فرآیند، «یکپارچگی داده» DEM را حفظ کند.

۳٫ روش ها

توسعه واترمارک انتخاب های زیادی را فراهم می کند: قابل مشاهده یا نامرئی و قوی (مقاوم در برابر حملات) یا شکننده (به راحتی در حضور حمله آسیب می بیند). این مطالعه تصمیم گرفت که واترمارکینگ باید با توجه به ملاحظات مختلف، نامرئی، قوی، عمومی و یک تکنیک جاسازی مبتنی بر دامنه فرکانس باشد. این واترمارک باید نامرئی باشد زیرا نباید بر دقت داده های موجود تأثیر بگذارد. داده هایی که ممکن است بعداً نادرست شوند یا حتی از بین بروند باید محدود شوند. این واترمارک همچنین باید در برابر حملات “قوی” مانند برش، ادغام یا تغییر جزئی مقاوم باشد. یعنی واترمارک همچنان قابل تشخیص است، حتی اگر دست نخورده نباشد، علیرغم وجود حملات. این واترمارک همچنین باید “عمومی” باشد تا کاربرد آن برای همه داده ها تسهیل شود.

چندین روش واترمارک دیجیتال برای مدل های چند ضلعی سه بعدی موجود است. یک تکنیک واترمارک عمومی برای تأیید اعتبار هندسه جامد سازنده (CSG) یا مدل‌های نمایش مرزی نیز وجود دارد [ ۲۳ ]. CSG یک تکنیک مدل‌سازی است که از عملیات بولی، مانند اتحاد و تقاطع، برای ترکیب جامدات سه بعدی، معمولاً برای تجسم داده‌های کاداستر سه‌بعدی، استفاده می‌کند. تکنیک دیگر روش واترمارک شکننده است که تغییرات غیرمجاز مدل های سه بعدی را شناسایی می کند [ ۱۶ ]. یک تکنیک دیگر، واترمارکینگ تبدیل موجک برای مدل های چند ضلعی سه بعدی و نمایش چند ضلعی مدل چند ضلعی با تعبیه در بردارهای ضریب موجک بزرگ در یک یا چند سطح تفکیک جزئیات است [ ۱۳ ].]. روش دیگر شامل واترمارک قوی مش های مثلث دلخواه از تجزیه و تحلیل چند وضوح با برهم زدن رئوس اصلی بر اساس تابع اسکالر و اطلاعات واترمارک است [ ۲۴ ]. پارامتری کردن توابع خطی منطقی، که ضرایب آن از الگوریتم جاسازی داده‌ها برای منحنی‌ها و سطوح غیر یکنواخت منطقی B-spline [ ۲۵ ]] نیز یک روش واترمارک دیجیتال هستند. با این حال، این روش ها برای DEM، یک شطرنجی با اطلاعات ارتفاع (۳D) اعمال نمی شود. این پدیده به دلیل استفاده از نرم‌افزار طراحی به کمک رایانه است که به دلیل تکنیک‌های جاسازی داده‌های موجود، نمی‌تواند تغییرات در توپولوژی و/یا هندسه مدل را بپذیرد. الگوریتم آنها شکل اهداف تعبیه شده خود (هندسه و توپولوژی) را در برنامه های CAD حفظ می کند. مدل های CAD به ندرت تغییرات هندسه و/یا توپولوژی معرفی شده توسط الگوریتم های جاسازی داده موجود را تحمل می کنند. بنابراین، تغییرات در توپولوژی اولیه های هندسی به یک مشکل تبدیل خواهد شد (به عنوان مثال، در مورد تجزیه و تحلیل اجزای محدود، که در آن حفظ اتصال عناصر ضروری است). تکنیک واترمارک باید از داده های GeoTIFF محافظت کند. خو [ ۲۶] تصاویر بافت را با استفاده از DWT بازسازی کرد، که می تواند به دقت طبقه بندی بالایی دست یابد، در حالی که Huang [ ۷ ] برای پردازش داده های GeoTIFF گسترده به طور مستقیم با استفاده از فناوری مبتنی بر Hadoop، واترمارکی را انجام داد. قابل ذکر است که واترمارک ممکن است اطلاعات مکانی به دست آمده را تحت واترمارک GeoTIFF حذف یا تغییر ندهد.

با این حال، نتیجه مدل در تحقیق قبلی نمی تواند تقاضا برای حمایت از مالکیت را برطرف کند. Doglioni [ ۲۷ ] ضرایب جزئیات DEM و شواهدی از تغییرات و مقادیر آنها را بر اساس DWT 2 بعدی DEMS به دست آورد. اطمینان از اینکه حملات نمی توانند به سرعت داده های واترمارک جاسازی شده در GeoTIFF را با اجرای سناریوهای زیر از بین ببرند، ضروری است: (۱) قابلیت مشاهده (سیستم قابل مشاهده توسط انسان و RMSE)، (۲) محاسبه کارایی درج با ضرب واترمارک استخراج شده در واترمارک اصلی در ۱۰۰ ٪، (۳) وفاداری نسبت سیگنال به نویز اوج (PSNR)، (۴) محموله داده، و (۵) استحکام با آزمایش بر روی عملیات هندسی، مانند برش / برش، پوسته پوسته شدن، بازپخش و موارد دیگر.

روش واترمارکینگ ساخته شده در شکل ۱ ارائه شده است . اشکال آبی نشان دهنده یک فرآیند درج شده، در حالی که اشکال صورتی نشان دهنده فرآیند استخراج شده است.

تکنیک واترمارکینگ مورد استفاده بیشتر در این تحقیق، واترمارکی قوی بر اساس پایان کاربردها است. این تکنیک به این دلیل انتخاب شده است که واترمارک تعبیه شده با وجود حملات روی تصویر باقی می ماند. انواع حمله شامل برش، پوسته پوسته شدن، بازپرداخت، فیلتر کردن، ترجمه، چرخش، تغییر اندازه و فشرده سازی است. واترمارک قوی می تواند به عنوان نوعی محافظت از کپی عمل کند. بنابراین، برچسب مالک را می توان در یک نسخه مشکوک شناسایی کرد [ ۱۶ ]. تحقیقات فعلی بر تغییر اندازه با برش دادن یا برش دادن برای آزمایش جنبه استحکام تمرکز دارد.

دو روش واترمارک زیر بیشتر مورد استفاده قرار می گیرند: حوزه فضایی و فرکانس [ ۲۸ ]. واترمارکینگ با طرح فرکانس دامنه از استحکام و شفافیت بالاتری برخوردار است [ ۲۹ ]. همچنین ثابت شده است که تکنیک واترمارک مبتنی بر دامنه فرکانس نسبت به تکنیک حوزه فضایی سطح نامحسوسی بالاتری دارد. پرکاربردترین تکنیک های تبدیل DCT، DFT و DWT هستند. تکنیک تبدیل قوی و مقاوم در برابر فیلترهای پایین گذر، تار شدن و تیز شدن است اما در برابر حملات برش و پوسته پوسته شدن ضعیف است. تکنیک DWT اغلب همراه با DCT، ظرفیت کم و محاسبات سنگین استفاده می شود [ ۳۰ ، ۳۱ ].

واترمارک ها باید عناصر نامرئی، مقاومت در برابر الگوریتم های مختلف و قابلیت تشخیص را داشته باشند [ ۲۸ ]. تصویر تبدیل شده باید از نظر کیفیت آزمایش شود. شرستا و همکاران [ ۳۲ ] تصویر فشرده شده را با استفاده از مقادیر MSE، RMSE، PSNR و ضریب همبستگی آزمایش کرد. یک بررسی اخیر نشان می‌دهد که بیشترین استفاده از معیارها برای وفاداری نقشه برداری واترمارکینگ، RMSE و PSNR هستند که هر دو معیارهای خطا بر اساس میانگین مربعات خطا هستند. خروجی معیارهای خطا، تلفات دقیق ناشی از فرآیند واترمارک را نشان می دهد [ ۳۱ ]. مطالعه ما آزمایش کیفیت را بر اساس استانداردهای مشخص شده در دستورالعمل های فنی دقیق نقشه پایه [ ۲۰ ] انجام داد.

برنامه واترمارکینگ دارای دو برنامه اصلی است: برنامه فرآیند درج، که یک تصویر برچسب یا برچسب اختصاصی را در تصویر محافظت شده درج می کند، و برنامه فرآیند استخراج، که به عنوان یک آشکارساز برچسب تعبیه شده در تصویر عمل می کند. ابتدا تصویر میزبان خوانده می شود و هر لایه جدا می شود. هر لایه با یک برچسب اختصاصی (برچسب تصویر)، تبدیل به باینری، و سپس با استحکام اضافی ارائه می شود تا اطمینان حاصل شود که یکپارچگی تصویر واترمارک در طول یک فرآیند حمله و استخراج حفظ می شود. ماتریس تصویر برچسب برای مطابقت با اندازه تصویر میزبان مقیاس بندی شده است. تصویر برچسب نباید بزرگتر از تصویر میزبان باشد تا کیفیت تصویر در سراسر توزیع حفظ شود. بنابراین، هر لایه از تصاویر میزبان و برچسب تبدیل می شود. سپس تصویر برچسب در هر لایه از تصویر میزبان اصلاح شده کپی می شود. برای استخراج و شناسایی، میزبان و تصاویر واترمارک شده هر دو ورودی برای استخراج یا شناسایی برچسب ها از تصویر واترمارک شده هستند. سپس هر دو تصویر پردازش می شوند و نتیجه یک تصویر برچسب (برچسب مالکیت) است که به کاربر بازگردانده می شود.

عملاً، فایل Host DEM در این آزمایش خوانده می‌شود و سپس مطابق با «الگوریتم» با یک تصویر واترمارک تبدیل می‌شود، مقادیر ناچیز را در سلول‌های خاص جایگزین می‌کند و سپس به فایل DEM واترمارک‌شده بازگردانده می‌شود. برای استخراج، فایل واترمارک DEM خوانده می‌شود و سپس سلول‌های خاصی با یک «الگوریتم» برای خواندن تصویر واترمارک (در صورت وجود) تبدیل می‌شوند. بنابراین، این فرآیند واترمارک کور است. یعنی به میزبان DEM بومی یا واترمارک بومی نیاز ندارد. “الگوریتم” چندین روش ممکن دارد: DCT، DFT و DWT.

روش اول DCT است که دامنه زمان را به حوزه فرکانس تبدیل می کند. DCT فقط از مقادیر واقعی استفاده می کند [ ۳۳ ]. همچنین به تفکیک تصویر به بخش ها (یا زیر باندهای طیفی) برای اهداف مختلف در رابطه با کیفیت بصری تصویر کمک می کند. مشابه DFT، DCT یک سیگنال یا تصویر را از حوزه فضایی به حوزه فرکانس تبدیل می کند. فرآیند واترمارکینگ با استفاده از DCT از Li [ ۳۳ ] اصلاح شده است] به شرح زیر است: (۱) انتخاب تصویر DEM مورد استفاده (میزبان/تصویر اصلی). (۲) سرپیچی از لوگوی واترمارک؛ و (۳) تبدیل تصویر میزبان انتخاب شده قبلی به یک دامنه DCT که به بلوک ها تقسیم می شود و محاسبه ضرایب DCT برای هر بلوک. اگر بیت ۱ تنظیم شود، همه ضرایب به اعداد فرد تبدیل می شوند. اگر بیت ۰ تنظیم شود، تمام ضرایب به مقادیر زوج تبدیل می شوند. بقیه ضرایب برای به دست آوردن معکوس های کیفی کوانتیزه می شوند و سپس (۴) یک لوگوی واترمارک در هر بلوک انتخاب شده درج می شود. بلوک ۲D DCT DCT 2D یک تصویر را محاسبه می کند. فرض کنید f ( x , y ) تصویر ورودی بعد M- by- N باشد، سپس معادله DCT 2 بعدی [ ۳۴] است:

(۱)

جایی که

(۲)

DWT تجزیه تصویر در فرکانس زیر باند تصویر است. DWT سیگنال را به مجموعه‌ای از توابع موجک پایه متعامد تجزیه می‌کند، که با توابع پایه سینوسی تفاوت دارند زیرا از نظر مکانی محلی هستند. مشابه مورد در تحلیل فوریه، DWT برگشت پذیر است. بنابراین، سیگنال اصلی را می توان به طور کامل از نمایش DWT آن بازیابی کرد. یک سیگنال باید از طریق دو فیلتر DWT، به ویژه فیلترهای بالا گذر و پایین گذر اجرا شود تا فرکانس آن ارزیابی شود. فیلترهای بالا گذر و پایین گذر مورد تجزیه و تحلیل قرار می گیرند و فیلترهای بالا گذر و پایین گذر به ترتیب فرکانس های بالا و پایین را بررسی می کنند [ ۳۵ ، ۳۶ ، ۳۷ ].

DWT یک تصویر را به چهار زیر باند موجک تجزیه می کند: LL، HL، LH، و HH، که LL یک زیر باند فرکانس پایین است. این فرآیند به شرح زیر اصلاح می شود: (۱) انتخاب تصویر DEM مورد استفاده (میزبان/تصویر اصلی). (۲) تعریف لوگوی واترمارک؛ (۳) با استفاده از یک سطح واحد از DWT، در نتیجه تصویر میزبان به LL، HL، LH، و HH تجزیه می شود. (۴) استفاده از یک سطح واحد از DWT و تجزیه تصویر میزبان به LL، HL، LH، و HH، که گام اولیه در درج واترمارک در تصویر اصلی است. (۵) تبدیل آرایش تصویر به یک سری ماتریس از طریق برداری. (۶) قرار دادن تصویر واترمارک در تصویر اصلی پس از تبدیل تصاویر اصلی و واترمارک با DWT. ضریب تقریب در تصویر اصلی با ضرب کلید مشخص شده در ضریب تقریب واترمارک اضافه می شود. این فرآیند یک ضریب تقریب جدید از تصویر اصلی به دست می آورد و (۷) یک تصویر DEM واترمارک شده را نمایش می دهد. تابع مقیاس بندی و ضرایب انبساط در DWT را می توان از حاصل ضرب داخلی f˜(t) با φ(t) و ψ(t) یا به طور معادل، از حاصلضرب داخلی f(t) با φ˜(پریود شده) محاسبه کرد. t) و ψ˜(t):

c˜j (k) = ⟨ f˜(t)، φ(t) ⟩ = ⟨ f(t)، φ˜(t) _⟩

(۳)

d˜j (k) = ⟨ f˜(t)، ψ(t) ⟩ = ⟨ f(t)، ψ˜(t) ⟩ _،

(۴)

جایی که

(۵)

این را می توان از:

(۶)

که در آن موجک مقیاس بندی شده دوره ای است:

(۷)

DFT برای تسهیل تبدیل از فضایی به حوزه فرکانس استفاده می شود، که در آن DFT موجود در تصویر میزبان پس از عبور از تبدیل در برابر حمله مقاوم است [ ۳۸ ، ۳۹ ]. لی [ ۴۰ ] از حق چاپ یک تصویر رنگی بر اساس ترکیب تبدیل فوریه گسسته چهارگانه و تجزیه تانسور محافظت کرد. در همین حال، لی [ ۳۳ ] از یک الگوریتم واترمارک دوگانه رمزگذاری شده قوی بر اساس تبدیل فوریه کسری و DCT در حوزه موجک ثابت استفاده کرد. محاسبه تبدیل فوریه ۲ بعدی X در تحقیق حاضر معادل است با محاسبه ابتدا تبدیل ۱ بعدی هر ستون از Xو سپس تبدیل ۱ بعدی هر ردیف از نتیجه را بگیرید. X و Y با ۱ در این فرمول جابه جا می شوند تا شاخص های ماتریس را منعکس کنند:

(۸)

که در آن ω _m و ω _n ریشه های پیچیده وحدت هستند که با معادلات زیر تعریف می شوند:

ω _m = e ^-۲ πi/m ω _n = e ^-۲ πi/n ،

(۹)

در جایی که i واحد خیالی است، p و j شاخص هایی هستند که از ۰ تا m − ۱ هستند و q و k شاخص هایی هستند که از ۰ تا n − ۱ هستند.

۴٫ نتایج

ابتدا DEM اصلی دانلود شده از ژئوپورتال ملی با روش های مختلف (۲D DCT، ۲D DWT و ۲D DFT) واترمارک شد. نمای کدگذاری رنگ نشان می دهد که DEM درج شده از اصلی قابل تشخیص نیست. با این حال، اگر یک محاسبه شطرنجی بین DEM های واترمارک شده و اصلی انجام شود، اختلاف بیش از ۱۲ سانتی متر پیدا نمی شود. این تفاوت هنوز به طور قابل توجهی کمتر از دقت DEMNAS است که بزرگتر از ۱ متر است، حتی در محدوده ۶ متری به طور متوسط. بنابراین می توان این تفاوت را نادیده گرفت.

مزیت شطرنج GeoTIFF این است که دارای ابرداده های geotransform است که مختصات زمین را به شکل X و Y پیکسل واقع در گوشه سمت چپ بالای تصویر بیان می کند. X و Y به معنای مختصات زمین است. اگر تحت حملاتی مانند برش یا برش قرار گیرد، مقادیر x و y به طور خودکار به روز می شوند. این تحقیق از این geotransform با گردآوری یک الگوریتم تبدیل مختصات استفاده می کند که بر تبدیل x و y بالایی روی تصویر برش خورده تمرکز می کند تا تغییرات مختصات تصویر برش پیکسل را تشخیص دهد. دارای همان پیش بینی ها و ارجاعات تصویر اصلی است.

ابتدا، طرح درج واترمارک ۲ بعدی DCT با ناحیه میزبان DEM شروع می شود که به ۹ بخش تقسیم می شود. علاوه بر این، هر تصویر واترمارک شده در قسمت مرکزی هر بخش درج خواهد شد. واترمارک بیتی به ۸ × ۸ پیکسل نیاز دارد. بنابراین، برای یک تصویر واترمارک با ابعاد ۶۶ × ۶۶، یک ناحیه درج ۵۲۸ × ۵۲۸ پیکسل برای تصویر جلد مورد نیاز است ( شکل ۲ ).

در استخراج واترمارک دو بعدی DCT بدون حمله، یعنی تصویر واترمارک شده بدون هیچ حمله ای، بیت های واترمارک مستقیماً از هر قسمت از محل تعبیه استخراج می شوند. روش استخراج با استفاده از همان طرحی که تکنیک درج انجام می شود. علاوه بر این، بیت‌های واترمارک از موقعیت مرکزی هر ناحیه استخراج می‌شوند ( شکل ۳ ).

همانطور که در تصویر زیر نشان داده شده است ، احتمالاً تصاویر واترمارک شده حملات برش را تجربه می کنند ( شکل ۴ ). تکنیک واترمارکینگ با DCT تنها در صورتی قابل استخراج است که نقطه درج ناحیه گمشده ای نداشته باشد. به عنوان مثال، برای یک تصویر واترمارک با ابعاد ۶۶ × ۶۶ پیکسل که در یک ناحیه بلوک ۵۲۸ × ۵۲۸ پیکسل در تصویر روی جلد درج شده است، تنها در صورتی می توان تصویر را دوباره استخراج کرد که ناحیه بلوک ۵۲۸ × ۵۲۸ در محل درج قطع نشده باشد، حتی اگر فقط ۱ پیکسل باشد.

برای یک تصویر واضح، شکل ۵ زیر نشان می دهد که تصویر سمت چپ یک تصویر روی جلد واترمارک شده است که بریده نشده است، در حالی که تصویر سمت راست تصویری است که بریده شده است. ناحیه خاکستری ناحیه بریده شده است. ناحیه ای که واترمارک درج شده است به ۹ ناحیه تقسیم می شود و سپس مطابق تصویر با شماره شاخص ارائه می شود. بنابراین، تنها دو واترمارک را می توان در این مورد دوباره استخراج کرد: واترمارک از مناطق ۵ و ۶٫ با این حال، یک واترمارک را می توان به طور کامل استخراج کرد، بنابراین به اندازه کافی به نشانگر مالکیت حق چاپ تبدیل می شود.

یک طرح استخراج ویژه برای مقابله با حمله برش باید اعمال شود. این اقدام متقابل قصد دارد از از دست دادن جهت مکان داده ها یا موقعیت واترمارک همانطور که در منطقه مکان استخراج در طول فرآیند استخراج اشاره شده است جلوگیری کند. شکل زیر تصویری از اثرات حملات برش و تکنیک های غلبه بر آنها است که به تازگی تحقیق حاضر تبدیل خواهد شد ( شکل ۶ ).

تصویر نشان داده شده نشان می دهد که ناحیه خاکستری ناحیه تصویر بریده شده است. فرض کنید ناحیه با حاشیه سبز Microblock-1 (8 × ۸) است که در آن یک بیت WM درج شده است. سپس ناحیه استخراج روی تصویری که تحت برش قرار گرفته است در ناحیه مرز قرمز انجام می شود که به عنوان Microblock-1 در نظر گرفته می شود. با این حال، نمی توان دو ماکروبلاک را برابر اعلام کرد. بنابراین، بیت WM درج شده در هنگام استخراج خراب می شود (متفاوت) و شکست استخراج رخ می دهد.

برای راه حل استخراج در برابر حملات برش، شکل ۷ زیر نشان می دهد که مناطق خاکستری ناحیه بریده شده، نواحی آبی آنهایی هستند که بریده نشده اند، و ناحیه با حاشیه سبز جایی است که بیت WM درج شده است. برای سادگی، می گوییم مساحت درج بیت واترمارک در ناحیه ۴ × ۵ پیکسل است. علاوه بر این، این تصویر نشان می‌دهد که جلد واترمارک شده اصلی ۱۰ × ۱۱ پیکسل، ناحیه پوشش واترمارک شده پس از برش ۶ × ۸ پیکسل و ناحیه واترمارک شده بیت ۴ × ۵ پیکسل است.

مزیت داده های GeoTIFF در مقادیر جغرافیایی مرجع نهفته است، یکی از آنها جفت مختصات زمین در گوشه سمت چپ بالا (X _بالا ، Y _بالا ) و مختصات در گوشه پایین سمت راست (X _پایین ، Y _پایین ) است. هنگامی که یک تصویر GeoTIFF بریده می شود، مقدار ارجاع جغرافیایی به طور خودکار تنظیم می شود. با این ویژگی‌ها، این رویه نقطه گوشه سمت چپ بالای ناحیه بلوک-WM (حاشیه سبز) را با مراحل زیر در صورت رعایت موارد زیر پیدا می‌کند:

(X _بالا ، Y _بالا ) و (X _پایین ، Y _پایین ) مقادیر پوشش تصویر جغرافیایی ارجاع شده با WM بدون برش هستند.
(X _بالا “، Y _بالا “) و (X _پایین “، Y _پایین “) مقادیر تصویر ارجاع داده شده پس از یک کلیپ هستند (منطقه آبی؛)

موقعیت پیکسل گوشه بالا سمت چپ (۰,۰) DEM اصلی میزبان (قبل از برش) تحت عمل برش تغییر می کند. این مقدار جابجایی باید برای تعیین موقعیت هر پیکسل در ناحیه آبی محاسبه شود، اما همچنان از سیستم مختصات اصلی زمانی که پوشش قطع نشده است استفاده می‌کند. مراحل زیر محاسبه مقدار شیفت را نشان می دهد:

تغییر مرجع افقی (Gx)، Gx = |X _بالا − X _بالا ′|;
تغییر جهت عمودی مرجع (Gy)، Gy = |Y _فوقانی − Y _بالایی ′|.

سپس:

Nx تعداد پیکسل های افقی از تصویر اصلی قبل از برش است.
Ny تعداد پیکسل ها در جهت عمودی تصویر اصلی قبل از برش است.
deltaGx = |X _بالا − X _پایین |;
deltaGy = |Y _بالا − Y _پایین |;

به طوری که:

نسبت افقی Rx، Rx = Nx/deltaGx.
نسبت عمودی Ry، Ry = Ny/deltaGy.

تغییر موقعیت هر پیکسل جدید در جهت های x (dx) و y (dy) را می توان با موارد زیر فرموله کرد:

تغییر جهت x (Dx)، Dx = Gx·Rx.
تغییر در جهت y (Dy)، Dy = Gy·Ry.

نمونه هایی از محاسبات مطابق با تصویر بالا در جدول ۴ زیر آورده شده است.

مقادیر Dx = 2 و Dy = 2 نشان دهنده یک تغییر مختصات ۲ پیکسل به راست و ۲ پیکسل به پایین برای هر پیکسل در تصویر جدید است. بنابراین، پیکسل‌های موجود در موقعیت (۰،۰) یا گوشه سمت چپ بالای تصویر بریده‌شده در حال حاضر، در واقع موقعیت‌های پیکسل هستند (۰ + Dx، ۰ + Dy) = (0 + 2، ۰ + ۲) = (۲،۲) از تصویر اصلی قبل از برش. مثال دیگر موقعیت پیکسل (۲٫۲) است که موقعیت گوشه سمت چپ بالای ناحیه حاشیه سبز روی تصویر بریده شده و موقعیت (۴،۴) در سیستم مختصات پیکسلی تصویر اصلی است.

تابع geotransform برای تعریف x و y بالایی بر روی تصویر برش خورده استفاده می شود که در این تحقیق بر روی یک تصویر ارتفاعی (تک کانال) با اندازه ۳۳۳۳ × ۳۳۳۳ انجام شده است. تصویر به بلوک های بزرگ تقسیم می شود ( شکل ۴ و شکل ۵ ). واترمارک تصویر استخراج شده فقط در ناحیه است و قطع نمی شود. با این حال، روند تأیید حق نسخه‌برداری به طور کلی هنوز پر رونق است. درج واترمارک دامنه فرکانس با هر مقدار ماکروبلاک به حوزه فرکانس تبدیل می شود. واترمارک تصویر در هر مقدار دامنه فرکانس در هر بلوک بزرگ درج می شود. سپس تبدیل معکوس به مقدار دامنه فضایی اعمال می شود.

شرط استخراج واترمارک ها از حوزه فرکانس نشان می دهد که مقادیر موجود در بلوک های ماکرو باید از همان ناحیه آمده باشند. شکل ۸ نشان می دهد که مرزهای سفید و قرمز به ترتیب مرزهای ناحیه ماکروبلاک در هنگام درج واترمارک و استخراج هستند. واترمارک های استخراج شده با موفقیت از بین نخواهند رفت زیرا حاشیه های قرمز و سفید همگام نیستند.

۵٫ بحث

تأثیر برش بر روی طرح واترمارک حوزه فرکانس نیز باید در نظر گرفته شود. شرط استخراج واترمارک ها از حوزه فرکانس نشان می دهد که مقادیر موجود در بلوک های ماکرو باید از همان ناحیه آمده باشند. بنابراین، هر ناحیه ماکروبلاک باید یک نقطه مرجع جهت یا یک نشانگر ناحیه داشته باشد. منطقه ماکروبلوک بر اساس جهت گیری مرجع در هنگام تکمیل برش شناسایی می شود. پس از شناسایی ناحیه ماکروبلاک، واترمارک از ماکروبلاک استخراج می شود. ماکروبلاک ها در فواصل زمانی مشخص در این تحقیق توزیع می شوند ( شکل ۹). علامت قرمز نشانگر در گوشه سمت چپ بالای ناحیه ماکروبلاک است. نشانگر در ستون m-1 و ردیف n-1 از گوشه سمت چپ بالا، واقع در ماکروبلوک (متر ردیف، n ستون) قرار دارد. مقادیر نشانگر در حوزه فضایی عمل می کنند (برای خطوط، مقادیر ارتفاع را نشان می دهد). نشانگر از مقدار آن تشخیص داده می شود: به عنوان مثال، ارزش سه رقم آخر اعشار با شکل منحصر به فرد xxx.xx555. عدد ۵۵۵ در وسط سه رقم پشت کاما انتخاب شده است. جابجایی خطا در محدوده ۰٫۰۰۵۵۵ متر مشاهده می شود (هنوز مطابق با قوانین فنی مجاز است).

ابتدا، مراحل در نظر گرفته شده برای آزمایش بالقوه ترین تکنیک واترمارک روی داده های DEMNAS ( شکل ۱۰ ) مورد بحث قرار می گیرد. تکنیک واترمارک DCT می‌تواند بیت‌های واترمارک را برای استخراج مجدد در ۱۰۰% کامل نگه دارد ( جدول ۵ ). علاوه بر این، مقدار اعوجاج داده های ارتفاعی با تکنیک DCT کمترین مقدار حداکثر ۰٫۱ متر را در مقایسه با ۴٫۵ و ۱٫۱ متر برای DFT و DWT نشان می دهد. در این آزمایش از پنج واترمارک تصویر مختلف زیر استفاده شد.

دوم، داده‌های ملی DEM Nasional/DEMNAS اندونزی، یعنی DEMNAS_1209-44_v1.0.tif (3333 × ۳۳۳۳ پیکسل)، با استفاده از تکنیک DCT 2 بعدی استفاده شد. نتایج تجربی نشان می‌دهد که تفاوت در ابعاد و الگوی شکل تصاویر واترمارک به طور کلی بر مقدار پارامتر ارزیابی تأثیر نمی‌گذارد. آزمایش‌ها ثابت می‌کنند که تکنیک DCT می‌تواند هر تصویر واترمارک ( جدول ۵ ) را به طور کامل (۱۰۰%) دوباره استخراج کند، و نتایج در جدول ۶ ، جدول ۷ ، جدول ۸ ، جدول ۹ و جدول ۱۰ در زیر ارائه شده است. شکل ۱۱نشان می دهد که DEM که توسط واترمارک در سیستم بینایی انسان درج شده است تغییر نکرده است. شکل ۱۱ نشان می دهد که تفاوت در مقدار Z (ارتفاع) بین DEM واترمارک شده و DEM میزبان کمتر از ۱۲ سانتی متر است.

در مرحله بعد، آزمایش برای آزمایش تکنیک واترمارکینگ با DFT دو بعدی ادامه یافت. داده‌های ملی DEM Nasional/DEMNAS اندونزی، یعنی DEMNAS_1209-44_v1.0.tif (3333 × ۳۳۳۳ پیکسل)، هنوز با استفاده از تکنیک ۲D DFT استفاده می‌شوند. مقدار استخراج واترمارک ۱۰۰٪ نیست و اعوجاج به مقدار ارتفاع نیز زیاد است و برخی به ۵۶۴۳ متر می رسد. داده های واترمارک نمایش داده شده توسط نقشه بردار جهانی تجسم آسان را تسهیل می کند. نمایش تجسمی ارزش ارتفاعی داده های واترمارک شده نسبتاً روشن تر از داده های ارتفاع پوشش اصلی است. حداکثر مقدار کوچکترین اعوجاج در این تکنیک DFT زمانی است که یک تصویر واترمارک شده با اکثر بیت های “۱” (عمدتاً سفید) استفاده می شود. حداکثر مقدار اعوجاج در این سناریو ۲٫۰۶۴ متر است. در راستای این نتایج، تصاویر پوشیده شده بصری با واترمارک نیز تمایل به تجسم رنگی در ارتفاع دارند که به طور قابل توجهی شبیه به اصلی است. استخراج تصاویر واترمارک شده با DFT در سناریوی فوق به بالاترین سطح یعنی ۹۰٫۵۰% می رسد. نتایج در ارائه شده استجدول ۷ , جدول ۸ , جدول ۹ , جدول ۱۰ و جدول ۱۱ .

در نهایت، آزمایش برای آزمایش تکنیک واترمارک تحت ترکیب دو بعدی DCT و DWT ادامه یافت. نتایج روی PSNR نشان می‌دهد که ترکیب DWT و DCT به دلیل کاربرد یکسان آن در تمام مناطق تصویر بسیار خوب است. با این حال، RMSE نشان می دهد که این ترکیب (۰٫۰۰۳۱۴۷) در مقایسه با DCT (0.001129) به اندازه کافی قوی نیست. در این آزمایش از چهار تصویر واترمارک مختلف استفاده شد ( جدول ۱۲ ). بنابراین، نتایج تجربی پارامتر ارزیابی واترمارک استخراج شده Max Delta (بر حسب متر)، PSNR و RMSE در جدول ۷ ، جدول ۸ ، جدول ۹ و جدول ۱۰ ارائه شده است.

داده های رنگی DEM با ماژول توضیحات دوباره خوانده می شوند تا آرم BIG پیدا شود. نتایج در شکل ۱۲ ، شکل ۱۳ و شکل ۱۴ ارائه شده است. روش ۲D DFT نمی تواند یک لوگوی کامل را بازتولید کند. تجزیه و تحلیل بعدی نشان داد که تعداد Max Delta، PSNR، و RMSE و درصد یکپارچگی آرم (واترمارک استخراج شده) بین روش‌های DCT 2D، ۲D DWT و ۲D DFT در سه ناحیه مختلف DEM متفاوت است.

۶٫ نتیجه گیری

این آزمایش نشان می دهد که تکنیک های DCT، DWT و FFT با موفقیت آرم BIG را به عنوان واترمارک روی فایل های DEM در قالب GeoTIFF 32 بیتی برگرفته از DEMNAS قرار داده اند. تکنیک DCT بهتر از DWT و FFT است. تغییرات در محتویات مناطقی که واترمارک درج شده کمتر از ۱۲ سانتی متر است. این تغییرات از نظر بصری قابل تشخیص نیستند مگر اینکه با فایل DEM اصلی مقایسه شوند. این تکنیک برای مقاومت در برابر حملات همانطور که در برش تلاش می شود تضمین شده است. فقط یکی از نه واترمارک شناسایی شد، اما DEM برش خورده شده هنوز به عنوان داده های DEM منتشر شده توسط BIG شناخته می شود. انتظار می رود تکنیک DCT پیشنهادی جایگزینی در تکنیک های واترمارک برای انواع داده های تصویر DEM در زمینه نقشه برداری باشد. با نتیجه استخراج ۱۰۰٪، هیچ بیت یا خطایی در تصویر واترمارک مشاهده نشد. واترمارک استخراج‌شده را می‌توان در تجسم و محاسبات دیجیتالی با توجه به نتیجه فوق‌الذکر شناسایی کرد. این مفهوم در صورتی مفید است که نقشه DEM توسط طرف های دیگر منتشر و اصلاح شود. واترمارک تعبیه شده نیز به اندازه کافی برای استحکام تکنیک کشت آزمایش شده است. بنابراین، می تواند اثباتی برای حمایت قانونی حق چاپ باشد.

منابع

نیروانسیه، AW; براون، ب. نقشه‌برداری تأثیر سیل جزر و مدی بر کشاورزی نمک خورشیدی در جاوه شمالی با استفاده از یک مدل هیدرودینامیکی. ISPRS Int. J. Geo-Inf. ۲۰۱۹ ، ۸ ، ۴۵۱٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
کامینز، روابط عمومی; Pranantyo، IR; پاونال، جی.ام. گریفین، جی دی. میلانو، آی. ژائو، S. زمین لرزه ها و سونامی های ناشی از گسلش نرمال با زاویه پایین در دریای باندا، اندونزی. نات. Geosci. ۲۰۲۰ ، ۱۳ ، ۳۱۲-۳۱۸٫ [ Google Scholar ] [ CrossRef ]
نوراق نیا، ع. ویندوپراناتا، دبلیو. حکیم، ع. Nusantara، CADS Poerbandono مدل‌سازی جزر و مد در منطقه ساحلی دریای جاوه بین جاکارتا و Cirebon، اندونزی: منبع داده‌های عمق سنجی و آزمون‌های حساسیت به دلیل ناهمواری پایین و شرایط مرزی. IOP Conf. سر. محیط زمین. علمی ۲۰۲۱ , ۷۷۷ , ۰۱۲۰۳۴٫ [ Google Scholar ] [ CrossRef ]
واستر، ال. هولدگراف، سی. Morrissey, M. درباره Geotiff (.tif) فرمت فایل شطرنجی: داده های شطرنجی در پایتون. Earth Data Sci.-Earth Lab. ۱۹ آگوست ۲۰۲۱٫ در دسترس آنلاین: https://www.earthdatascience.org/courses/use-data-open-source-python/intro-raster-data-python/fundamentals-raster-data/intro-to-the-geotiff -file-format/ (دسترسی در ۲۴ ژانویه ۲۰۲۲).
ناسا GeoTIFF. داده های زمین ؛ ناسا: واشنگتن دی سی، ایالات متحده آمریکا، ۲۰۲۱٫
محمد، اس.اس. Ramakrishnan، R. GeoTIFF-فرمت استاندارد فایل تصویری برای برنامه های GIS. In Proceedings of the Map India Conference 2003: Image Processing & Interpretation، حیدرآباد، هند، ۱۷-۲۰ دسامبر ۲۰۰۳٫ [ Google Scholar ]
هوانگ، اف. ژائو، اچ. لی، بی. Lv, Z. واترمارک کردن تصاویر حسگر از راه دور عظیم به صورت موازی. در مجموعه مقالات کنفرانس بین المللی ۲۰۱۰ در زمینه هوش محاسباتی و مهندسی نرم افزار، ووهان، چین، ۱۰-۱۲ دسامبر ۲۰۱۰٫ صص ۱-۴٫ [ Google Scholar ]
Amhar, F. مشکلات ژئوپورتال اندونزی و استراتژی های آینده آن. در مجموعه مقالات سی و نهمین کنفرانس آسیایی سنجش از دور، کوالالامپور، مالزی، ۱۵ تا ۱۹ اکتبر ۲۰۱۹؛ صفحات ۱۸۶۸-۱۸۷۷٫ [ Google Scholar ]
ژو، Q. زو، سی. Ren, N. صفر علامت گذاری برای داده های TIN DEM بر اساس طول لبه. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۵۵۹٫ [ Google Scholar ] [ CrossRef ]
ابوالسعود، س. ابو رومان، ن. تاج الدین، IATF; خطاطنه، KF; Gütl, C. واترمارکینگ دیجیتالی قوی برای مدل‌های سه بعدی فشرده بر اساس نمایش چند ضلعی. بین المللی جی. کامپیوتر. Appl. ۲۰۱۳ ، ۶۱ ، ۱-۱۴٫ [ Google Scholar ] [ CrossRef ]
Bors، AG; Pitas, I. واترمارکینگ تصویر با استفاده از محدودیت های دامنه DCT. در مجموعه مقالات سومین کنفرانس بین المللی IEEE در مورد پردازش تصویر، لوزان، سوئیس، ۱۹ سپتامبر ۱۹۹۶; صص ۲۳۱-۲۳۴٫ [ Google Scholar ]
چو، J.-W. پروست، ر. یونگ، اچ.-ای. یک واترمارکینگ غافل برای مش های چند ضلعی سه بعدی با استفاده از توزیع هنجارهای راس. IEEE Trans. فرآیند سیگنال ۲۰۰۷ ، ۵۵ ، ۱۴۲-۱۵۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کنایی، س. تاریخ، ح. Kishinami، T. Watermarking دیجیتال برای چند ضلعی های سه بعدی با استفاده از تجزیه موجک چند وضوحی. در مجموعه مقالات ششم IFIP WG 5.2/GI Int. کار کنید. Geom. مدل. فاندم Appl.، توکیو، ژاپن، ۱-۴ دسامبر ۱۹۹۸٫ صص ۲۹۶-۳۰۷٫ [ Google Scholar ]
لی، ال. ژانگ، دی. پان، ز. شی، ج. ژو، ک. Ye, K. واترمارکینگ مش سه بعدی با پارامترسازی کروی. محاسبه کنید. نمودار. ۲۰۰۴ ، ۲۸ ، ۹۸۱-۹۸۹٫ [ Google Scholar ] [ CrossRef ]
اوهبوچی، آر. ماسودا، ح. Aono, M. واترمارک کردن مدل های چند ضلعی سه بعدی از طریق تغییرات هندسی و توپولوژیکی. IEEE J. Sel. مناطق کمون. ۱۹۹۸ ، ۱۶ ، ۵۵۱-۵۶۰٫ [ Google Scholar ] [ CrossRef ]
بله، B.-L. Yeung, MM Watermarking اشیاء سه بعدی برای تأیید. محاسبات IEEE. نمودار. Appl. ۱۹۹۹ ، ۱۹ ، ۳۶-۴۵٫ [ Google Scholar ] [ CrossRef ]
یین، ک. پان، ز. شی، ج. Zhang، D. واترمارکینگ مش قوی بر اساس پردازش چند وضوح. محاسبه کنید. نمودار. ۲۰۰۱ ، ۲۵ ، ۴۰۹-۴۲۰٫ [ Google Scholar ] [ CrossRef ]
یمنی، م. داوئی، ا. ال، او. کرمونی، ح. سیوری، م. قیدا، ح. لحظه های Flusser، J. Fractional Charlier برای بازسازی تصویر و واترمارکینگ تصویر. فرآیند سیگنال ۲۰۲۰ , ۱۷۱ , ۱۰۷۵۰۹٫ [ Google Scholar ] [ CrossRef ]
Tsougenis، ED; پاپاکوستاس، جی.آ. کولوریوتیس، دی. Tourassis، VD مجله سیستم‌ها و ارزیابی عملکرد نرم‌افزار روش‌های واترمارکینگ مبتنی بر لحظه: مروری. جی. سیست. نرم افزار ۲۰۱۲ ، ۸۵ ، ۱۸۶۴-۱۸۸۴٫ [ Google Scholar ] [ CrossRef ]
بزرگ. آیین‌نامه رئیس سازمان اطلاعات مکانی (بادان اطلاعات جغرافیایی) شماره ۶ سال ۱۳۹۷ در مورد اصلاح آیین‌نامه رئیس سازمان اطلاعات جغرافیایی شماره ۱۵ سال ۱۳۹۳ دستورالعمل‌های فنی صحت نقشه پایه . اندونزی. ۲۰۱۸٫ در دسترس آنلاین: https://jdihn.go.id/files/217/27330968 (در ۱۰ فوریه ۲۰۲۲ قابل دسترسی است).
Amhar, F. تست کیفیت انواع DEM موجود در اندونزی به سمت DEM ملی ۱۰ متری. ISPRS-Int. قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی ۲۰۱۶ ، XLI-B4 ، ۱۱۱–۱۱۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Fenrich، K. ایمن کردن سیستم کنترل شما. مهندسی برق ۲۰۰۸ ، ۱۱۲ ، ۱۱٫ در دسترس آنلاین: https://www.controlglobal.com/assets/knowledge_centers/abb/assets/abb_secure_control_sys.pdf (در ۲۴ ژانویه ۲۰۲۲ قابل دسترسی است).
فورنارو، سی. Sanna, A. علامت گذاری کلید عمومی برای احراز هویت مدل های CSG. محاسبه کنید. به دس کمک کرد. ۲۰۰۰ ، ۳۲ ، ۷۲۷-۷۳۵٫ [ Google Scholar ] [ CrossRef ]
پراون، ای. هوپ، اچ. Finkelstein, A. Watermarking مش قوی. در مجموعه مقالات بیست و ششمین کنفرانس سالانه گرافیک کامپیوتری و تکنیک های تعاملی، برادوی، نیویورک، ایالات متحده آمریکا، ۸ تا ۱۳ اوت ۱۹۹۹٫ صص ۴۹-۵۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
اوهبوچی، آر. ماسودا، ح. Aono, M. الگوریتم جاسازی داده های حفظ شکل برای منحنی ها و سطوح NURBS. در مجموعه مقالات بین المللی گرافیک کامپیوتری CGI-99، Canmore، AL، کانادا، ۷-۱۱ ژوئن ۱۹۹۹; ص ۱۸۰-۱۸۷٫ [ Google Scholar ]
خو، ی. ژانگ، اس. لی، جی. لیو، اچ. زو، اچ. استخراج ویژگی‌های بافت زمین برای طبقه‌بندی شکل زمین با استفاده از تجزیه موجک. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۶۵۸٫ [ Google Scholar ] [ CrossRef ]
دوگلیونی، ا. Simeone، V. تحلیل ژئومورفومتریک بر اساس تبدیل موجک گسسته. محیط زیست علوم زمین ۲۰۱۴ ، ۷۱ ، ۳۰۹۵-۳۱۰۸٫ [ Google Scholar ] [ CrossRef ]
استانکوویچ، اس. جوروویچ، آی. پیتاس، I. واترمارکینگ در حوزه فضا/فرکانس فضایی با استفاده از توزیع دو بعدی رادون-ویگنر. IEEE Trans. فرآیند تصویر ۲۰۰۱ ، ۱۰ ، ۶۵۰-۶۵۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
ژانگ، ایکس. فنگ، جی. Lo, K. علامت گذاری تصویر با استفاده از ویژگی فرکانس فضایی مبتنی بر درخت تبدیل موجک. J. Vis. اشتراک. تصویر نشان می دهد. ۲۰۰۳ ، ۱۴ ، ۴۷۴-۴۹۱٫ [ Google Scholar ] [ CrossRef ]
مالیک، جی. تحلیل تکنیک های واترمارکینگ. بین المللی جی. کامپیوتر. Appl. ۲۰۱۶ ، ۱۳۸ ، ۳۰-۳۲٫ [ Google Scholar ] [ CrossRef ]
ابوبهیا، ع. Cocea، M. ارزیابی کیفیت توپولوژیکی نقشه های برداری واترمارک شده. Appl. محاسبات نرم. ۲۰۱۸ ، ۷۱ ، ۸۴۹-۸۶۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
شرستا، بی. اوهارا، سی جی; یونان، NH JPEG2000: معیارهای کیفیت تصویر. در مجموعه مقالات کنفرانس سالانه ASPRS 2005، بالتیمور، MD، ایالات متحده آمریکا، ۷ تا ۱۱ مارس ۲۰۰۵٫ [ Google Scholar ]
لی، ی.-م. وی، دی. ژانگ، ال. الگوریتم واترمارک دوگانه رمزگذاری شده بر اساس تبدیل کسینوس و تبدیل فوریه کسری در دامنه موجک ثابت. Inf. علمی ۲۰۲۱ ، ۵۵۱ ، ۲۰۵-۲۲۷٫ [ Google Scholar ] [ CrossRef ]
Matlab، “DCT 2-D,” Math Works. در دسترس آنلاین: https://www.mathworks.com/help/vision/ref/2ddct.html (در ۲۴ ژانویه ۲۰۲۲ قابل دسترسی است).
فضلی، س. معینی، م. روش واترمارکینگ تصویر قوی بر اساس DWT، DCT و SVD با استفاده از تکنیکی جدید برای تصحیح حملات هندسی اصلی. Optik ۲۰۱۶ ، ۱۲۷ ، ۹۶۴–۹۷۲٫ [ Google Scholar ] [ CrossRef ]
اسلام، SMM; دبنات، ر. Hossain، تکنیک واترمارک دیجیتال مبتنی بر SKA DWT و استحکام آن در چرخش تصویر، مقیاس‌بندی، فشرده‌سازی JPEG، برش و واترمارک چندگانه. در مجموعه مقالات کنفرانس بین المللی فناوری اطلاعات و ارتباطات در سال ۲۰۰۷، بنگلور، هند، ۱۵ تا ۱۶ دسامبر ۲۰۰۷٫ ص ۲۴۶-۲۴۹٫ [ Google Scholar ]
روسویانسری، م. نوویانتی، ا. Wirawan، W. پیاده‌سازی تبدیل موجک گسسته (DWT) و تجزیه ارزش واحد (SVD) در واترمارکینگ تصویر. J. Elektro dan Telekomun. تراپ. ۲۰۱۶ ، ۳ . [ Google Scholar ] [ CrossRef ]
گورامه، ک. دوزی، ح. حربا، ر. راس، اف. ال حاجی، م. ریاد، ر. Amar, M. Watermarking تصویر با دوربین چاپی قوی در دامنه فوریه. در مجموعه مقالات پردازش تصویر و سیگنال: هفتمین کنفرانس بین المللی، ICISP 2016، Trois-Rivières، QC، کانادا، ۳۰ مه تا ۱ ژوئن ۲۰۱۶٫ Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۶; صص ۳۵۶-۳۶۵٫ [ Google Scholar ]
وو، سی.-اس. دو، ج. فام، بی. دامنه ثابت هندسی برای علامت گذاری تصویر. در کارگاه بین المللی واترمارکینگ دیجیتال ; Springer: برلین/هایدلبرگ، آلمان، ۲۰۰۶; صص ۲۹۴-۳۰۷٫ [ Google Scholar ]
لی، ال. بای، آر. لو، جی. ژانگ، اس. چانگ، سی.-سی. یک طرح واترمارک برای تصویر رنگی با استفاده از تبدیل فوریه گسسته کواترنیون و تجزیه تانسور. Appl. علمی ۲۰۲۱ ، ۱۱ ، ۵۰۰۶٫ [ Google Scholar ] [ CrossRef ]

شکل ۱٫ ساخت تکنیک واترمارکینگ.

شکل ۲٫ طرح درج واترمارک DCT.

شکل ۳٫ واترمارک DEM.

شکل ۴٫ Clipping Attack.

شکل ۵٫ تصویر واضح از حمله بریده.

شکل ۶٫ تصویر اقدامات متقابل حمله بریده.

شکل ۷٫ تصویر محلول استخراج در برابر حمله برش.

شکل ۸٫ وضعیت واترمارک با ماکروبلاک های مختلف.

شکل ۹٫ ماکروبلاک هایی که در فواصل زمانی مشخص در یک صحنه GeoTIFF توزیع می شوند.

شکل ۱۰٫ DEMNAS_1209-44_v1.0.tif.

شکل ۱۱٫ تفاوت در مقدار Z (ارتفاع) در DEM واترمارک شده و DEM میزبان.

شکل ۱۲٫ نتایج واترمارک با استفاده از الگوریتم ۲D DCT. تصویر ۱۰۰٪ واترمارک استخراج شده با DCT 2 بعدی به طور یکسان برای همه مناطق تصویر اعمال می شود.

شکل ۱۳٫ نتایج واترمارکینگ با استفاده از ترکیبی از الگوریتم های ۲ بعدی DWT و ۲D DCT. استخراج تصویر ۱۰۰٪ واترمارک با دو بعدی DWT و ۲D DCT انجام شد. با این حال، این استخراج تنها به این دلیل که اعوجاج نسبت به مقدار ارتفاع بسیار زیاد است، برتر از استخراج DCT نیست. بنابراین، برخی از استخراج‌هایی که به ۱۱۶۰ متر می‌رسند به طور یکسان برای همه مناطق تصویر اعمال می‌شوند.

شکل ۱۴٫ نتایج واترمارک با استفاده از الگوریتم ۲D DFT. بهترین تصویر واترمارکی که می توان با DFT استخراج کرد ۹۴٫۲۱% است که روی DEMNAS 1209-44 اعمال می شود.

هوش مکانی اتیم تحقیقاتی ونوس نصیرفام