基于经验模式分解的数字高程模型数据伪装方法

摘要

提出了一种基于经验模态分解(EMD)的数字高程模型数据伪装技术。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。针对DEM数据提出了直方图的概念,通过修改直方图,在伪装的DEM数据中可逆地嵌入水印。本文方法可在提取水印后完全恢复伪装DEM数据,以及使用种子可完全还原秘密DEM数据,算法安全性高。