论文部分内容阅读
提出了一种全新的基于经验模态分解的数字高程模型(DEM)数据伪装技术。首先利用SHA-256单向Hash函数产生由种子控制的伪随机序列,扩充序列后再用经验模态分解生成用于伪装的DEM数据,伪装后的DEM数据具有较高的视觉欺骗性。同时针对DEM数据提出了广义直方图的概念,通过修改广义直方图在伪装的DEM数据中以便可逆地嵌入水印。本方法保证提取水印后可完全恢复伪装DEM数据以及使用种子可完全还原秘密DEM数据,算法安全性较高。