基于徑向基函數的gis矢量數據可逆脫密方法
【專利摘要】本發明公開了一種基于徑向基函數的GIS矢量數據可逆脫密方法,包括如下過程:(1)針對GIS矢量數據的脫密處理過程:包括控制點選取、脫密變換參數生成、密鑰保存;(2)針對矢量數據的脫密處理過程:包括密鑰讀取、原始矢量數據脫密處理等步驟;(3)針對脫密后矢量數據的恢復處理過程:包括密鑰讀取、脫密后矢量數據恢復等步驟。本發明的方法具有漸變性、安全性、可逆性等特點,適用于基于特征點的GIS矢量數據脫密,可用于GIS矢量數據的公開發布。
【專利說明】基于徑向基函數的GIS矢量數據可逆脫密方法
【技術領域】
[0001]本發明屬于地理信息安全領域,具體涉及一種基于徑向基函數的GIS矢量數據可逆脫密方法。
【背景技術】
[0002]《測繪管理工作國家秘密范圍的規定》、《公開地圖內容表示補充規定(試行)》和《基礎地理信息公開表示內容的規定(試行)》等文件對公開地圖和地理信息的限制條件和保密內容做出了規定,并特別強調基礎地理信息及相關要素的空間位置精度的保密性。
[0003]普通設施和敏感設施具有不同的點位精度指標要求。在脫密實踐中,普遍采用選擇控制點的方式進行脫密。通常將水系、道路相交的交叉點以及敏感要素的坐標點(如大壩、橋梁等)作為脫密控制點進行位移。因此,脫密模型能否將脫密的控制點精確變換到目標控制點是影響脫密是否符合國家相關規定的重要因素。此外,為保證脫密數據的可用性,脫密需滿足光滑連續特點,即變形均勻漸近。
[0004]目前國內外普遍采用的脫密模型包括線性模型、非線性模型和分塊變換模型等。
(I)線性模型:秦李顆[1]使用仿射變換進行數據的脫密處理,表明處理結果在精度上較為理想。聶時貴[2]比較了相似變換、仿射變換和射影變換三種線性變換模型,認為在這三種變換中射影變換脫密程度最高。線性模型變形光滑連續,但不滿足控制點精確變換特性,且模型較為簡單,即使是射影變換也僅需4對控制點即可反算脫密參數,保密性較弱。(2)非線性模型:大致可分為兩種,一是參數模型,即嚴格物理模型,包括共線方程、基于仿射變換的嚴格幾何模型等;二是非參數模型,即通用數學模型,包括投影轉換、多項式變換和和有理函數模型(RFM)等。楊夢梅M提出在使用不常用的坐標系統并且不提供投影參數及經緯網的情況下,很難將地圖糾正到指定坐標。付乾良[4]結合共線方程與旋轉曲面方程,進行矢量地圖的非線性變換。非線性模型保密程度較高,變形光滑連續,但不滿足控制點精確變換特性。(3)分塊變換模型:該模型將數據劃分成連續的小區域,在每個小區域內采用獨立的多項式進行變換后,再把結果拼接起來。常見的分塊模型是劃分為Delaunay三角網并在各區域內使用仿射變換。分塊變換模型相鄰的分塊通過不同的變換參數進行變換,雖然函數在邊緣處連續,但一階導數不連續,從而使得變形不光滑。Casadote]提出通過增加大量控制點來維護拓撲關系,但會造成插值和解算的困難。分塊變換模型保密性高,滿足精確變換特性,但變形不光滑連續。
[0005]相關文獻:
[0006]1.秦李顆.互聯網環境下地理空間數據的保密技術研究[D].西安:長安大學,2007.
[0007]2.聶時貴,劉玫,王會娜.基于ArcGIS的江蘇省地理信息公共服務平臺數據脫密方法[J].現代測繪,2012,35(6):42 - 44.
[0008]3.楊夢梅,王輝.利用基礎地理信息數據編制公開版地圖的關鍵技術探討[J].測繪技術裝備,2008,35(2):5-7.
[0009]4.付乾良.基于特征點的矢量地圖非線性局部變換研究[D].黑龍江:哈爾濱工程大學,
[0010]2011.
[0011]5.CASADO M L.Some basic mathematical constraints for the geometricconflat1n problem[C]//Proceedings of the7th internat1nal symposiumon spatial accuracy assessment in natural resources and environmentalsciences (Accuracy2006).Lisbon:1nstituto Geographico Portugues, 2006:264 - 274.
【發明內容】
[0012]本發明的目的在于:針對現有脫密方式存在的缺陷,提出一種基于徑向基函數的矢量數據可逆脫密方法,使其具有變形漸進、控制點精確變換的特點,可用于GIS矢量數據的公開發布。
[0013]為了實現上述目的,本發明采取的技術方案:
[0014]一種基于徑向基函數的GIS矢量數據脫密與恢復方法,包括如下過程:
[0015](一)密鑰生成過程
[0016]步驟11:確定脫密范圍
[0017]輸入脫密區域最小外接矩形R,其中,矩形R左下角坐標為(xmin,ymin),右上角坐標為(x_,ymax),根據公式⑴得到數據X方向長度XL和Y方向長度YL ;
[0018]
【權利要求】
1.一種基于徑向基函數的Gis矢量數據脫密與恢復方法,包括如下過程: (一)密鑰生成過程 步驟11:確定脫密范圍 輸入脫密區域最小外接矩形R,其中,矩形R左下角坐標為(Xmin,yfflin),右上角坐標為(x_,ymJ,根據公式⑴得到數據X方向長度XL和Y方向長度YL ;
步驟12:確定數據控制點和變換量 輸入數據總體變換量offset, offset > O ;輸入源控制點集合fromPoints = {(Fxi,Fyi) |i = 1,2,...k}和目標控制點集合 toPoints = {(Txi, Tyi) | i = I, 2,…,k}組成 k個控制點對,滿足源控制點集合fromPoints和目標控制點集合toPoints中均不含有重合點的條件; 步驟13:訓練徑向基函數神經網絡模型 a)選擇高斯基函數作為神經元的輸出函數Φ,則對于中心為c(cx,cy)的基函數,其在數據點Pi處的輸出為:
選擇歐幾里得距離作為基函數的距離函數:
根據公式(4)計算擴展常數σ ;
b)以源控制點集合fromPoints坐標(Fxi,Fyi)作為輸入層X,脫密變換量(Tx1-Fxi,Ty1-Fyi)作為輸出層學習樣本y, k個隱節點作為隱含層中基函數的中心c = ((FxijFyi) i=l,2,...k},各基函數取相同的擴展常數σ,k個隱含層基函數的輸出Φ組成矩陣H,隱含層至輸出層之間的神經元連接權值W,建立徑向基函數神經網絡RBFnet,使其滿足公式(5)的內插條件; y = HW (5) c)利用最小二乘法由公式(6)計算權值W,W為2*k矩陣,每個元素值為Wij; W = H-V (6) d)在最小外接矩形R范圍內均勻選取m*n個樣本點組成樣本點集合SamplePoints={(Sxj, Syj) |j = 1,2,, num},其中m是X方向樣本點數量,η是Y方向樣本點數量,m >=3,n >= 3,num = m*n ;遍歷樣本點集合SamplePoints,根據公式(7)計算每個樣本點的擾動量,生成樣本點擾動量集合SamplePoints’ = {(Sx/」,Sy'」)| j = I, 2,..., num};
e)根據公式⑶計算中誤差RMSE;
f)如果Ioffset/RMSE-l I > 0.01,則不滿足輸入數據總體變換量offest的要求,使用公式(9)迭代擴展常數σ以對中誤差RMSE進行縮放,循環步驟b)_e),直到!offset/RMSE-1 <= 0.01,則為解算完成;
g)保存源控制點和目標控制點集合,擴展常數σ及權值矩陣W,并組成密鑰Key,使用RSA算法對密鑰Key進行非對稱加密并存入密鑰文件Key.txt ; (二)脫密過程 步驟21:讀取密鑰文件Key.txt,使用RSA算法解密后提取密鑰Key,得到源控制點和目標控制點集合、擴展常數σ及權值矩陣W,建立脫密徑向基函數神經網絡RBFnet; 步驟22:打開原始矢量數據D,提取矢量數據D的要素點坐標,得到要素點坐標集合P={(Xj,Yj) I j = 1,2, , k},其中k為要素包含的點個數; 步驟23:由已建立的徑向基函數神經網絡RBFnet,根據公式(10)計算要素點坐標集合P中每一個點坐標Pj (Xj,Yj)經過脫密變換后的坐標變化量(Δ Xj, Δ Yj),Δ Xj和Δ Yj分別為神經網絡RBFnet輸出結果的第I列和第2列;
步驟24:根據公式(11)將脫密坐標變化量應用于點坐標Pj,得到點坐標集合P'=
步驟25:循環步驟23和24,直到所有要素處理完畢,保存脫密后的數據文件DF ; (二)恢復過程 步驟31:讀取密鑰文件Key.txt,使用RSA算法解密后提取密鑰Key,得到源控制點和目標控制點集合、擴展常數σ及權值矩陣W,建立脫密徑向基函數神經網絡RBFnet; 步驟32:打開脫密后的數據DF,提取矢量數據DF的要素點坐標,獲取脫密后的要素點坐標集合P' = {(x/,y/ ) I j = 1,2,...,k},并假設每個點的脫密變換量為Ai ={(Δχ?; Ayi) I i = 1,2,..., k},初始值均為 O ; 步驟33:根據公式(12),將p' -Δρ,代入神經網絡RBFnet,更新每個點的脫密變換量Δ?(ΔΧ?, Ayi);
步驟34:設定誤差限值e,若更新后的\滿足公式(13),則視為恢復完成,否則重復步驟33 ;
步驟35:重復步驟33和34,依次處理每個要素,保存恢復后的數據文件RF。
【文檔編號】G06F21/60GK104077536SQ201410276415
【公開日】2014年10月1日 申請日期:2014年6月19日 優先權日:2014年6月19日
【發明者】高隆杰, 周衛, 王芙蓉 申請人:南京師范大學