[發(fā)明專利]基于梯度提升決策樹的矢量地圖水印處理方法、終端

有效

• 申請?zhí)枺?/td>: 202111269781.0
• 申請日: 2021-10-29
• 公開（公告）號: CN114298881B
• 公開（公告）日: 2023-01-06
• 發(fā)明（設(shè)計）人: 楊娜娜;淳錦;陳家鴻;瞿申潤;高綿新;吳建;趙博;曾泳諭;馬曉黎;金詩程
• 申請（專利權(quán)）人: 廣東省國土資源測繪院
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T3/40;G06V10/762;G06V10/764
• 代理公司: 廣州市越秀區(qū)哲力專利商標事務(wù)所(普通合伙) 44288
• 代理人: 成關(guān)鍵

1.一種基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述基于梯度提升決策樹的矢量地圖水印處理方法包括：

S101：對矢量地圖進行預處理，根據(jù)預處理后的所述矢量地圖的數(shù)據(jù)構(gòu)建Delaunay三角網(wǎng)，通過所述Delaunay三角網(wǎng)獲取網(wǎng)格中每個頂點的最大擾動區(qū)域；

S102：根據(jù)所述矢量地圖預處理后的數(shù)據(jù)中的特征點、非特征點進行水印嵌入，根據(jù)所述頂點與對應(yīng)的最大擾動區(qū)域的位置關(guān)系以及約束條件識別所述頂點中的待糾正點，對所述待糾正點的坐標進行糾正，并對矢量地圖的數(shù)據(jù)進行水印檢測；

S103：根據(jù)檢測到水印的矢量地圖的數(shù)據(jù)生成訓練集、測試集，并對所述訓練集、測試集進行特征工程處理，基于處理生成的特征訓練梯度提升決策樹模型，判斷訓練后的所述梯度提升決策樹模型的測試結(jié)果是否滿足預設(shè)條件，若是，則執(zhí)行S104，若否，則執(zhí)行S103；

S104：根據(jù)所述梯度提升決策樹模型預測最大擾動區(qū)域的半徑，通過預測的最大擾動和約束條件對矢量地圖進行水印嵌入和糾正。

2.如權(quán)利要求1所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述對矢量地圖進行預處理的步驟具體包括：

融合所述矢量地圖中的鄰近多邊形，并將融合后的所述矢量地圖的數(shù)據(jù)轉(zhuǎn)換為線數(shù)據(jù)。

3.如權(quán)利要求1所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述通過所述Delaunay三角網(wǎng)獲取網(wǎng)格中每個頂點的最大擾動區(qū)域的步驟具體包括：

計算所述Delaunay三角網(wǎng)中每個三角形的內(nèi)切圓半徑，根據(jù)所述頂點的鄰接三角形中的最小內(nèi)切圓半徑獲取每個頂點的最大擾動區(qū)域。

4.如權(quán)利要求1所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述根據(jù)所述矢量地圖預處理后的數(shù)據(jù)中的特征點、非特征點進行水印嵌入的步驟具體包括：

通過道格拉斯-普克算法獲取所述數(shù)據(jù)中的特征點、非特征點，并將水印嵌入所述非特征點中。

5.如權(quán)利要求1所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述根據(jù)所述頂點與對應(yīng)的最大擾動區(qū)域的位置關(guān)系以及約束條件識別所述頂點中的待糾正點的步驟具體包括：

根據(jù)所述位置關(guān)系判斷所述頂點是否位于所述最大擾動區(qū)域內(nèi)；

若是，則確定所述頂點不為待糾正點；

若否，則對所述頂點進行拓撲約束、方向約束檢查，根據(jù)檢查結(jié)果識別所述待糾正點。

6.如權(quán)利要求1所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述對矢量地圖的數(shù)據(jù)進行水印檢測的步驟具體包括：

提取所述矢量地圖的全局距離序列，對所述全局距離序列進行重排序獲取第一集合，獲取所述第一集合的兩個子集，計算兩個子集的方差比值，根據(jù)所述方差比值獲取水印檢測結(jié)果。

7.如權(quán)利要求6所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述對所述訓練集、測試集進行特征工程處理的步驟包括：

對所述訓練集、測試集分別進行特征工程處理生成特征，根據(jù)生成的特征形成訓練數(shù)據(jù)集、測試數(shù)據(jù)集，所述特征包括方差比值、非特征點的數(shù)量、非特征點的橫坐標值、非特征點的縱坐標值、特征點的數(shù)量、特征點的橫坐標值、特征點的縱坐標值、夾角最大改變率、周長變化率、面積變化率、最大擾動區(qū)域的半徑。

8.如權(quán)利要求1所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述判斷訓練后的所述梯度提升決策樹模型的測試結(jié)果是否滿足預設(shè)條件的步驟具體包括：

根據(jù)所述測試結(jié)果判斷是否滿足最大允許誤差要求；

若是，則確定滿足預設(shè)條件；

若否，則確定不滿足預設(shè)條件。

9.如權(quán)利要求1所述的基于梯度提升決策樹的矢量地圖水印處理方法，其特征在于，所述根據(jù)所述梯度提升決策樹模型預測最大擾動區(qū)域的半徑的步驟具體包括：

將預處理的矢量地圖的數(shù)據(jù)和最大允許誤差輸入所述梯度提升決策樹模型，根據(jù)輸出結(jié)果獲取所述最大擾動區(qū)域的半徑。

10.一種智能終端，其特征在于，所述智能終端包括處理器、存儲器，所述存儲器存儲有計算機程序，所述處理器與所述存儲器通信連接，根據(jù)所述計算機程序執(zhí)行如權(quán)利要求1-9任一項所述的基于梯度提升決策樹的矢量地圖水印處理方法。