一种gis矢量数据局部脱密与恢复方法
【专利摘要】本发明公开了一种GIS矢量数据局部脱密与恢复方法，包括如下过程：(1)通过局部脱密控制点计算脱密参数，并迭代参数以控制脱密区域的中误差；(2)根据局部脱密参数对局部要素进行脱密；(3)根据局部脱密参数对脱密后的局部要素进行恢复。本发明的方法具有局部脱密变形渐进、脱密控制点精确变换和脱密区域紧支撑的特点，可以满足GIS矢量数据局部脱密处理以对外发布使用的需求。
【专利说明】—种GIS矢量数据局部脱密与恢复方法
【技术领域】
[0001]本发明属于地理信息安全领域，具体涉及一种GIS矢量数据局部脱密与恢复方法。
【背景技术】
[0002]《测绘管理工作国家秘密范围的规定》、《公开地图内容表示补充规定(试行)》和《基础地理信息公开表示内容的规定(试行)》等文件对公开地图和地理信息的限制条件和保密内容做出了规定，并特别强调基础地理信息及相关要素的空间位置精度的保密性。
[0003]普通设施和敏感设施具有不同的点位精度指标要求。对局部敏感要素进行局部几何精度脱密需要将其精确脱密至目标位置以满足点位精度要求。此外，对敏感要素进行局部脱密时，不应对一定范围外的要素产生影响，即局部脱密的紧支撑特性。现有的局部脱密模型通常采用分块模型，将大范围地图划分为小范围，再使用多项式或橡皮页变换等模型进行局部处理，一般难以满足控制点精确变换、变换均匀渐近及变形区域紧支撑三个需求。
【发明内容】
[0004]本发明针对现有GIS矢量数据局部脱密模型存在的缺陷，提出一种基于紧支撑径向基函数的GIS矢量数据局部脱密方法，具有变形渐进、控制点精确变换和变形区域紧支撑的特点。
[0005]本发明采用的技术方案如下:
[0006]一种GIS矢量数据局部脱密与恢复方法，包括如下过程:
[0007](一 )密钥生成过程
[0008]步骤11:确定脱密范围
[0009]输入脱密区域最小外接矩形RECTANGLE，其中，矩形RECTANGLE左下角坐标为(xmin，ymin)，右上角坐标为(xmax，y_)，根据公式⑴得到数据X方向长度XL和Y方向长度YL；
【权利要求】
1.一种GIS矢量数据局部脱密与恢复方法，包括如下过程: (一)密钥生成过程 步骤11:确定脱密范围 输入脱密区域最小外接矩形RECTANGLE，其中，矩形RECTANGLE左下角坐标为(xmin，ymin)，右上角坐标为(xnax，ymax)，根据公式⑴得到数据X方向长度XL和Y方向长度YL ；
步骤12:确定数据控制点和脱密变换量 输入源控制点集合fromPoints = {(Fxi, Fyi) i = I, 2,...k}和目标控制点集合toPoints = {(Txi, Tyi) i = I, 2,..., k}组成k个控制点对,满足源控制点集合fromPoints和目标控制点集合toPoints中均不含有重合点的条件； 步骤13:根据公式(2)确定每个脱密控制点的影响半径R ；
步骤14:训练紧支撑径向基函数神经网络模型 a)选择一阶紧支撑基函数作为输出函数Φ，则对于中心为c(cx，cy)的基函数，其在数据点Pi处的输出为:
选择欧几里得距离计算数据点P和中心c的距离；
b)以源控制点集合fromPoints坐标(Fxi,Fyi)作为输入层X，脱密变换量(Tx1-Fxi, Ty1-Fyi)作为输出层学习样本y，k个隐节点作为隐含层中基函数的中心c =KFxiJyi) Ii = 1，2，…k}，各基函数取相同的R值，k个隐节点的输出组成矩阵H，隐含层至输出层之间的神经元连接权值W，建立紧支撑径向基函数神经网络CSRBFnet，满足公式(5)的内插条件； y = HW (5) c)利用最小二乘法由公式(6)计算权值W，W为2*k矩阵； W = H_1y (6) d)在最小外接矩形RECTANGLE范围内均匀选取m*n个样本点组成样本点集合SamplePoints = {(Sxj, Syj) j = I, 2，…，num},其中m是X方向样本点数量，η是Y方向样本点数量，m> = 3, n> = 3, num = m*n ;遍历样本点集合SamplePoints,根据公式(7)计算每个样本点的扰动量，生成样本点扰动量集合SamplePoints' ={(Sx/，Sy/ ) | j =1，2，…，num}；
e)根据公式⑶计算中误差RMSE；
f)如果Ioffset/RMSE-l I >0.01，则不满足输入数据总体变换量offest的要求，使用公式(9)迭代每个脱密控制点的影响半径R以对中误差RMSE进行缩放，循环步骤b-e，直到offset/RNSE-11 < = 0.01，则为解算完成；
d)使用源控制点集合fromPoints、目标控制点集合toPoints、每个脱密控制点的影响半径R以及权值矩阵W组成脱密参数Key，使用RSA算法对密钥Key进行非对称加密并存入密钥文件Key.txt ； (二)局部脱密过程 步骤21:读取脱密参数Key，使用RSA算法解密后提取密钥Key，得到源控制点集合fromPoints、目标控制点集合toPoints、每个脱密控制点的影响半径R及权值矩阵W,建立脱密紧支撑径向基函数神经网络CSRBFnet ； 步骤22:打开待脱密矢量数据D，提取矢量数据D的要素点坐标，得到要素点坐标集合P = {(Xi, Yi) I j = 1，2，…，k},其中k为要素包含的点个数； 步骤23:由已建立的紧支撑径向基函数神经网络CSRBFnet，根据公式(10)计算要素点坐标集合P中每一个点坐标Pj (Xj, y」)经过脱密变换后的坐标变化量(Δχ」，Ayj)；
步骤24:根据公式(11)将脱密坐标变化量应用于点坐标Pj，得到点坐标集合P'=Kx/ , Jj1 ) I j = I, 2，…，k}；
步骤25:循环步骤23和24，直到所有要素处理完毕，保存局部脱密后的数据文件DF ； (三)局部恢复过程 步骤31:读取密钥文件Key.txt,使用RSA算法解密后提取密钥Key，得到源控制点和目标控制点集合，每个局部脱密控制点的影响半径R及权值矩阵W，建立脱密紧支撑径向基函数神经网络CSRBFnet ； 步骤32:打开脱密后的数据DF，提取矢量数据DF的要素点坐标，获取脱密后的要素点坐标集合P' ={(x/ , Yj1 ) I j = 1，2，…，k};并假设每个点的脱密变换量为Δ i =((Axi, Ayi) I i = I, 2，…，k},初始值均为 O ; 步骤33:根据公式(12)，将p' -Ap,代入神经网络CSRBFnet，更新每个点的脱密变换量 Ai (Axi, Ayi)；
步骤34:设定误差限值e，若更新后的\满足公式(13)，则视为恢复完成，否则重复步骤33 ；
步骤35:重复步骤33和34，依次处理每个要素，保存恢复后的数据文件RF。
【文档编号】G06F21/60GK104077535SQ201410275757
【公开日】2014年10月1日 申请日期:2014年6月19日 优先权日:2014年6月19日
【发明者】周卫, 储征伟, 李彬彬 申请人:南京师范大学