摘要: 为了保证在一定鲁棒性的基础上提高三维网格模型水印算法的水印容量,提出一
种基于网格拉普拉斯矩阵特征向量的三维网格模型半盲水印算法。在水印嵌入阶段,计算Tutte
拉普拉斯矩阵,然后对其进行特征值分解进而得到特征向量,扰动拉普拉斯矩阵的特征向量以
实现水印的嵌入。为了使水印引起的模型失真尽可能的小,在水印算法优化阶段,设计了对应
特征向量矩阵的选中矩阵,并启发式地计算出水印嵌入的具体特征向量分量。在水印提取阶段,
用扰动后的特征向量与水印模型的特征向量相减以实现水印信息的提取。对于规模较大的模型,
先用谱聚类算法分割成较小的子网格,然后在每个子网格中逐一嵌入水印。该算法在水印提取
阶段不需要原始网格模型,但需要记录更改后的特征向量,实现了水印算法的半盲检测。实验
结果表明,该算法能抵抗仿射变换、随机噪声、平滑、均匀量化、裁剪等常见攻击,具有较强
的鲁棒性,同时极大提升了水印负载容量。