Luận văn tatouage aveugle et robuste de maillages 3D - Domaine spectral

Luận văn nghiên cứu kỹ thuật watermarking mù và bền vững cho lưới 3D trong miền phổ, ứng dụng bảo vệ bản quyền mô hình 3D hiệu quả.

• Người hướng dẫn: PTS. Florence Denis
• Trường học: Université Claude Bernard Lyon 1
• Chuyên ngành: Informatique
• Đề tài: Tatouage aveugle maillages 3D domaine spectral
• Loại tài liệu: mémoire de stage
• Địa điểm: Lyon

Tóm tắt

I. Tổng quan về Thủy vân mù cho Lưới 3D trong Miền Phổ Nền tảng và Tầm quan trọng

Sự phát triển vượt bậc của công nghệ số hóa và mô hình hóa 3D đã tạo ra khả năng sản xuất và thao tác các đối tượng 3D một cách dễ dàng. Trong số các cấu trúc biểu diễn, lưới 3D (3D mesh), một tập hợp các đa giác đại diện cho một bề mặt 3D, đang được sử dụng rộng rãi. Tuy nhiên, cùng với sự tiện lợi trong việc tạo ra và chia sẻ các mô hình 3D, vấn đề bảo vệ bản quyền lưới 3D ngày càng trở nên cấp thiết. Có rất nhiều công cụ mới cho phép người dùng dễ dàng chỉnh sửa, sao chép hoặc phân phối lại các dữ liệu này mà không cần sự cho phép của chủ sở hữu. Để giải quyết thách thức này, thủy vân (watermarking) đã nổi lên như một giải pháp đầy hứa hẹn để bảo vệ sở hữu trí tuệ cho các maillages 3D. Mục tiêu chính là nhúng một thông tin nhận dạng (dấu thủy vân) vào mô hình 3D theo cách không thể nhận thấy bằng mắt thường, nhưng đủ bền vững để chống lại các tấn công và có thể được trích xuất sau này để xác minh quyền sở hữu.

Trong những năm gần đây, biến đổi Manifold Harmonics đã xuất hiện như một công cụ hiệu quả cho phân tích phổ lưới 3D. Công cụ này bắt đầu được ứng dụng trong một số thuật toán thủy vân, mở ra hướng nghiên cứu mới trong lĩnh vực này. Thủy vân mù (blind watermarking) đặc biệt được quan tâm vì khả năng trích xuất dấu thủy vân mà không cần đến mô hình gốc, điều này cực kỳ quan trọng trong các ứng dụng thực tế. Bài viết này sẽ đi sâu vào việc khám phá nguyên lý của thủy vân mù cho lưới 3D trong miền phổ, tập trung vào việc áp dụng kỹ thuật trải phổ trên các biên độ phổ thu được từ việc phân tích Manifold Harmonics. Nghiên cứu nhằm mục đích đề xuất một thuật toán thủy vân 3D không chỉ mù và mạnh mẽ mà còn có khả năng chống lại nhiều loại tấn công, từ đó tăng cường bảo vệ bản quyền lưới 3D trong môi trường số.

1.1. Sự phát triển của Lưới 3D và Nhu cầu Bảo vệ Bản quyền

Các công nghệ quét 3D và mô hình hóa đã tạo ra một lượng lớn dữ liệu lưới 3D. Những lưới này, bao gồm các đỉnh và mặt, là phương tiện chính để biểu diễn các đối tượng ảo trong nhiều lĩnh vực như trò chơi, điện ảnh, kiến trúc, y tế và kỹ thuật. Với sự phổ biến của các công cụ chỉnh sửa và phân phối 3D, việc sao chép và phân phối trái phép các mô hình 3D đã trở thành một vấn đề nan giải. Nhu cầu về một cơ chế mạnh mẽ để bảo vệ bản quyền lưới 3D là vô cùng cấp bách. Thủy vân cung cấp một phương pháp hiệu quả để nhúng thông tin sở hữu vào chính dữ liệu, cho phép theo dõi và chứng minh quyền tác giả khi cần thiết. Việc này đảm bảo rằng công sức sáng tạo của các nghệ sĩ và kỹ sư được công nhận và bảo vệ trong một môi trường số hóa ngày càng phức tạp.

1.2. Vai trò của Thủy vân Mù và Miền Phổ trong An ninh Dữ liệu 3D

Trong bối cảnh an ninh dữ liệu 3D, thủy vân mù đóng vai trò then chốt vì tính thực tế của nó. Không giống như thủy vân không mù yêu cầu mô hình gốc để trích xuất dấu, thủy vân mù chỉ cần mô hình đã được nhúng dấu. Điều này làm cho nó lý tưởng cho các tình huống mà mô hình gốc không có sẵn hoặc không thể truy cập. Việc triển khai thủy vân cho lưới 3D trong miền phổ mang lại nhiều lợi ích. Bằng cách thao tác trên các đặc tính phổ của lưới, dấu thủy vân có thể được nhúng một cách bền vững hơn đối với các tấn công hình học và tô pô. Biến đổi Manifold Harmonics là một công cụ mạnh mẽ trong lĩnh vực này, cho phép phân tích và chỉnh sửa lưới 3D ở cấp độ tần số, tương tự như biến đổi Fourier cho tín hiệu 1D hoặc ảnh 2D, từ đó mở ra con đường phát triển các thuật toán thủy vân 3D bền vững và hiệu quả.

II. Thách thức và Nhu cầu Cấp thiết về Bảo vệ Bản quyền Lưới 3D

Việc bảo vệ bản quyền lưới 3D đối mặt với hàng loạt thách thức phức tạp, chủ yếu do tính chất độc đáo và đa dạng của dữ liệu 3D. Các mô hình 3D có thể dễ dàng bị biến đổi, cắt xén, thêm nhiễu hoặc chuyển đổi định dạng mà vẫn giữ được đặc điểm hình học cơ bản, gây khó khăn cho việc nhận diện và trích xuất dấu thủy vân. Sự phát triển của các công cụ chỉnh sửa 3D miễn phí và dễ sử dụng càng làm tăng nguy cơ vi phạm bản quyền. Một thách thức lớn là cân bằng giữa tính không cảm nhận được (imperceptibility) của dấu thủy vân và độ bền thủy vân 3D (robustness) của nó. Dấu thủy vân phải được nhúng một cách tinh tế, không làm thay đổi đáng kể chất lượng hoặc hình dạng của mô hình gốc, để không ảnh hưởng đến trải nghiệm người dùng hoặc mục đích sử dụng của dữ liệu. Đồng thời, nó phải đủ mạnh để tồn tại qua các thao tác xử lý thông thường và các tấn công lưới 3D có chủ đích.

Ngoài ra, các thuật toán thủy vân 3D cần phải tương thích với nhiều định dạng lưới và cấu trúc dữ liệu khác nhau, từ lưới không cấu trúc đến lưới có cấu trúc phức tạp. Yêu cầu về tốc độ xử lý và hiệu quả tính toán cũng là một yếu tố quan trọng, đặc biệt khi xử lý các mô hình 3D có kích thước lớn. Khả năng phát hiện và trích xuất dấu thủy vân một cách đáng tin cậy, ngay cả khi mô hình đã trải qua nhiều biến đổi, là yếu tố then chốt quyết định tính hiệu quả của một hệ thống thủy vân mù cho lưới 3D trong miền phổ. Do đó, việc nghiên cứu và phát triển các phương pháp thủy vân tiên tiến, đặc biệt là trong miền phổ với sự hỗ trợ của Biến đổi Manifold Harmonics và kỹ thuật trải phổ, là một hướng đi chiến lược để đối phó với những thách thức này và đảm bảo quyền lợi cho các nhà sáng tạo nội dung 3D.

2.1. Cân bằng giữa Tính không Cảm nhận được và Độ bền Thủy vân 3D

Một trong những thách thức trung tâm trong thủy vân lưới 3D là việc tìm kiếm sự cân bằng tối ưu giữa tính không cảm nhận được và độ bền thủy vân 3D. Tính không cảm nhận được đòi hỏi dấu thủy vân phải được nhúng một cách vô hình, không gây ra bất kỳ biến dạng hình học hoặc thay đổi trực quan nào cho mô hình 3D. Nếu dấu thủy vân quá rõ ràng, nó sẽ làm giảm giá trị nghệ thuật hoặc chức năng của đối tượng. Ngược lại, độ bền đòi hỏi dấu thủy vân phải chống chịu được các tấn công lưới 3D thông thường như làm trơn (smoothing), cắt xén (cropping), thêm nhiễu (noise addition), chuyển đổi định dạng, hoặc các biến đổi tương tự (similarity transformations). Việc đạt được cả hai yếu tố này đồng thời là một nhiệm vụ khó khăn, đòi hỏi các thuật toán tinh vi có thể thao tác ở các miền dữ liệu mạnh mẽ, như miền phổ.

2.2. Các Loại Tấn công và Ảnh hưởng đến Hiệu quả Thủy vân 3D

Các tấn công lưới 3D có thể được phân loại thành nhiều nhóm, mỗi loại đặt ra một thách thức riêng cho các thuật toán thủy vân 3D. Các tấn công hình học bao gồm biến đổi affine, biến đổi tương tự, cắt xén và làm trơn, làm thay đổi vị trí đỉnh hoặc cấu trúc hình học tổng thể của lưới. Các tấn công tô pô có thể liên quan đến việc thêm hoặc bớt các đỉnh/mặt, làm thay đổi liên kết của lưới. Thêm nhiễu là một dạng tấn công phổ biến nhằm làm suy yếu dấu thủy vân bằng cách thêm các biến động ngẫu nhiên vào dữ liệu. Ngoài ra, việc chuyển đổi định dạng tệp hoặc lượng tử hóa (quantization) cũng có thể làm mất thông tin dấu thủy vân. Một hệ thống thủy vân mù cho lưới 3D trong miền phổ hiệu quả cần phải chứng minh được độ bền thủy vân 3D của nó đối với một loạt các tấn công này, đảm bảo rằng dấu thủy vân vẫn có thể được trích xuất đáng tin cậy sau khi mô hình đã bị thao túng.

III. Khám phá Sức mạnh của Biến đổi Manifold Harmonics trong Phân tích Phổ Lưới 3D

Biến đổi Manifold Harmonics (MH) là một công cụ phân tích phổ mạnh mẽ, đã được ứng dụng rộng rãi trong xử lý hình học và ngày càng được chú ý trong lĩnh vực thủy vân mù cho lưới 3D trong miền phổ. Tương tự như biến đổi Fourier ánh xạ tín hiệu sang miền tần số, MH biến đổi dữ liệu lưới 3D từ miền không gian sang miền phổ, cho phép phân tích các đặc điểm của lưới dựa trên các tần số khác nhau. Các hàm cơ sở Manifold Harmonics, là các hàm riêng của toán tử Laplace-Beltrami trên bề mặt lưới, cung cấp một hệ thống trực giao hoàn chỉnh để biểu diễn bất kỳ hàm nào định nghĩa trên lưới. Các giá trị riêng tương ứng với các tần số khác nhau, với giá trị riêng nhỏ biểu thị các thành phần tần số thấp (tức là các đặc điểm toàn cục, mịn của lưới) và giá trị riêng lớn biểu thị các thành phần tần số cao (các chi tiết cục bộ, sắc nét).

Việc sử dụng Manifold Harmonics cho phép chúng ta thao tác các đặc tính phổ của lưới một cách có kiểm soát. Bằng cách nhúng dấu thủy vân vào các biên độ phổ tần số thấp, chúng ta có thể đảm bảo độ bền thủy vân 3D cao hơn đối với các tấn công làm biến đổi hình học, vì các thành phần tần số thấp ít bị ảnh hưởng bởi nhiễu cục bộ hoặc các thay đổi nhỏ. Ngược lại, việc nhúng vào các thành phần tần số cao có thể mang lại tính không cảm nhận được tốt hơn do các chi tiết nhỏ khó bị phát hiện bằng mắt thường, nhưng lại dễ bị ảnh hưởng bởi các thao tác làm trơn hoặc nén dữ liệu. Hiểu rõ mối quan hệ này là rất quan trọng để thiết kế một thuật toán thủy vân 3D hiệu quả. Nền tảng toán học của MH, cùng với khả năng phân tách các đặc tính hình học theo tần số, biến nó thành một công cụ lý tưởng cho phân tích phổ lưới 3D và tích hợp dấu thủy vân một cách chiến lược, giúp tăng cường bảo vệ bản quyền lưới 3D.

3.1. Nguyên lý hoạt động và Ưu điểm của Biến đổi Manifold Harmonics

Biến đổi Manifold Harmonics hoạt động dựa trên các hàm riêng của toán tử Laplace-Beltrami, một toán tử vi phân trên các đa tạp. Đối với lưới 3D, toán tử này được xấp xỉ bằng các ma trận rời rạc. Các hàm riêng (Manifold Harmonics) và giá trị riêng tương ứng tạo thành một hệ cơ sở trực giao để biểu diễn các hàm trên lưới. Ưu điểm chính của MH là khả năng phân tách các thông tin hình học của lưới thành các thành phần tần số. Các thành phần tần số thấp đại diện cho hình dạng tổng thể của đối tượng, trong khi các thành phần tần số cao đại diện cho các chi tiết nhỏ. Điều này cho phép các nhà nghiên cứu nhúng dấu thủy vân vào các dải tần số cụ thể, tối ưu hóa cho độ bền thủy vân 3D hoặc tính không cảm nhận được. MH còn có khả năng tự nhiên thích ứng với các hình dạng lưới phức tạp, không đều, mang lại sự linh hoạt cao hơn so với các phương pháp dựa trên miền không gian truyền thống.

3.2. So sánh và Đánh giá Tính ổn định của các Giá trị Riêng và Hàm Riêng

Trong quá trình nghiên cứu và triển khai Biến đổi Manifold Harmonics cho thủy vân mù cho lưới 3D trong miền phổ, việc đánh giá tính ổn định của các giá trị riêng và hàm riêng là rất quan trọng. Tài liệu gốc đã đề cập đến các so sánh về tính ổn định của các giá trị và vectơ riêng, cũng như sự nhất quán giữa các dải tần số (băng hẹp so với băng rộng, hoặc băng nguyên vẹn so với các băng liên tiếp). Độ bền của biến đổi Manifold Harmonics đã được chứng minh, cho thấy rằng ngay cả khi lưới 3D trải qua các biến đổi nhỏ, các thành phần phổ chính của nó vẫn duy trì tương đối ổn định. Điều này là nền tảng cho độ bền thủy vân 3D của các thuật toán thủy vân 3D dựa trên miền phổ, bởi vì nếu các thành phần phổ bị thay đổi quá nhiều, dấu thủy vân sẽ khó được trích xuất. Sự ổn định này giúp đảm bảo rằng thông tin dấu thủy vân được nhúng vào các biên độ phổ có thể tồn tại qua các tấn công lưới 3D.

IV. Phương pháp Thủy vân Mù Hiệu quả cho Lưới 3D Ứng dụng Kỹ thuật Trải Phổ

Để xây dựng một thuật toán thủy vân 3D mù và mạnh mẽ, việc áp dụng kỹ thuật trải phổ (spread spectrum) vào các biên độ phổ của lưới 3D là một cách tiếp cận hứa hẹn. Kỹ thuật trải phổ, ban đầu được phát triển cho truyền thông không dây để tăng cường bảo mật và chống nhiễu, bao gồm việc trải rộng năng lượng của tín hiệu thông tin (dấu thủy vân) trên một dải tần số rộng hơn nhiều so với băng thông tối thiểu cần thiết. Khi áp dụng cho thủy vân mù cho lưới 3D trong miền phổ, dấu thủy vân được nhân với một chuỗi giả ngẫu nhiên có băng thông rộng, sau đó được thêm vào các biên độ phổ của lưới 3D. Điều này giúp dấu thủy vân khó bị phát hiện và bền vững hơn đối với các tấn công lưới 3D.

Nguyên lý cơ bản của việc nhúng dấu thủy vân sử dụng kỹ thuật trải phổ trên dữ liệu lưới 3D bắt đầu bằng việc chuyển đổi lưới 3D sang miền phổ thông qua Biến đổi Manifold Harmonics. Các biên độ phổ thu được sau đó sẽ là nơi dấu thủy vân được nhúng. Việc lựa chọn dải tần số để nhúng dấu là rất quan trọng: nhúng vào các thành phần tần số thấp có thể tăng cường độ bền thủy vân 3D nhưng có thể ảnh hưởng đến tính không cảm nhận được, trong khi nhúng vào tần số cao có thể duy trì tính không cảm nhận được tốt hơn nhưng dễ bị tấn công. Dấu thủy vân (bit 0 hoặc 1) được điều chế bằng cách thêm hoặc bớt một lượng nhỏ vào các biên độ phổ đã chọn, sử dụng chuỗi trải phổ. Quá trình trích xuất dấu thủy vân là mù, không yêu cầu mô hình gốc, và dựa trên phép tương quan giữa biên độ phổ của mô hình bị tấn công và chuỗi trải phổ đã biết. Phương pháp này đã được chứng minh hiệu quả trong việc bảo vệ bản quyền lưới 3D, như phương pháp của Piva et al. [35] đã được điều chỉnh và áp dụng cho maillages 3D để tăng cường khả năng chống chịu trước các biến đổi khác nhau của dữ liệu.

4.1. Nguyên lý Ứng dụng Kỹ thuật Trải Phổ trong Thủy vân 3D

Kỹ thuật trải phổ là trọng tâm của phương pháp thủy vân mù cho lưới 3D trong miền phổ này. Nguyên lý của nó bao gồm việc nhân dấu thủy vân (một chuỗi bit) với một chuỗi giả ngẫu nhiên (pseudo-random sequence) có băng thông rộng. Chuỗi này, thường được gọi là chuỗi trải phổ, làm cho tín hiệu dấu thủy vân bị 'trải' ra trên một dải tần số rộng. Khi được nhúng vào các biên độ phổ của lưới 3D, năng lượng của dấu thủy vân được phân tán, khiến nó trở nên khó nhận thấy và khó bị loại bỏ. Để nhúng, chúng ta chọn một tập hợp các biên độ phổ và thêm dấu thủy vân đã trải phổ vào đó. Việc trích xuất dấu thủy vân sau này được thực hiện bằng cách thực hiện phép tương quan giữa các biên độ phổ của lưới bị tấn công và chuỗi trải phổ gốc. Giá trị tương quan cao cho thấy sự hiện diện của dấu thủy vân. Cách tiếp cận này giúp tăng cường đáng kể độ bền thủy vân 3D đối với các tấn công mà không làm ảnh hưởng nhiều đến tính không cảm nhận được của mô hình.

4.2. Điều chỉnh Phương pháp Piva và Cộng sự cho Lưới 3D

Một trong những đóng góp quan trọng trong nghiên cứu này là việc điều chỉnh và áp dụng phương pháp của Piva và cộng sự [35], vốn được thiết kế ban đầu cho dữ liệu đa phương tiện, lên maillages 3D. Phương pháp này tập trung vào việc nhúng dấu thủy vân vào các thành phần tần số thấp của miền phổ để tối ưu hóa độ bền thủy vân 3D. Để thích nghi với cấu trúc phức tạp của lưới 3D, việc sử dụng Biến đổi Manifold Harmonics là cần thiết để chuyển đổi dữ liệu lưới sang miền phổ một cách phù hợp. Quá trình này bao gồm việc chọn các biên độ phổ có ý nghĩa nhất, áp dụng kỹ thuật trải phổ để nhúng dấu, sau đó đảo ngược biến đổi để đưa lưới trở lại miền không gian. Việc điều chỉnh này đòi hỏi sự phân tích cẩn thận về các yếu tố như ngưỡng phát hiện dấu thủy vân và các kỹ thuật điều chế khác nhau để đảm bảo hiệu quả của thuật toán thủy vân 3D trong việc bảo vệ bản quyền lưới 3D.

4.3. Xác định Ngưỡng Phát hiện và Các Kỹ thuật Điều chế Thủy vân

Việc xác định ngưỡng phát hiện dấu thủy vân là một bước quan trọng để đảm bảo rằng dấu có thể được trích xuất đáng tin cậy. Ngưỡng này quyết định mức độ tương quan tối thiểu cần thiết để xác nhận sự hiện diện của dấu thủy vân. Việc lựa chọn ngưỡng phải cân bằng giữa việc tránh báo động sai (false positives) và đảm bảo phát hiện đúng (true positives). Ngoài ra, nghiên cứu cũng đề cập đến việc áp dụng các kỹ thuật điều chế khác nhau để nhúng dấu thủy vân vào biên độ phổ. Các kỹ thuật này có thể bao gồm điều chế biên độ trực tiếp, điều chế pha, hoặc các phương pháp phức tạp hơn nhằm tối đa hóa độ bền thủy vân 3D và tính không cảm nhận được. Việc tối ưu hóa các thông số điều chế và ngưỡng phát hiện là cần thiết để phát triển một thuật toán thủy vân 3D hiệu quả, có khả năng chống lại các tấn công lưới 3D đa dạng và duy trì khả năng bảo vệ bản quyền lưới 3D.

V. Đánh giá Độ bền và Hiệu quả của Thuật toán Thủy vân Mù Lưới 3D trong Thực tiễn

Việc đánh giá độ bền thủy vân 3D và hiệu quả của thuật toán thủy vân 3D là yếu tố then chốt để xác định tính ứng dụng của nó trong thực tiễn. Nghiên cứu đã thực hiện các phân tích chi tiết về tính không cảm nhận được và khả năng chống chịu của dấu thủy vân trước nhiều loại tấn công lưới 3D. Một trong những khía cạnh quan trọng là phân tích tính không cảm nhận được của dấu thủy vân, đảm bảo rằng việc nhúng dấu không làm thay đổi đáng kể hình dạng hoặc chất lượng cảm nhận của mô hình 3D. Điều này thường được đánh giá bằng cách so sánh trực quan và sử dụng các số liệu khách quan như độ lệch trung bình bình phương (RMSD) hoặc PSNR giữa mô hình gốc và mô hình đã nhúng dấu.

Độ bền thủy vân 3D được kiểm tra bằng cách áp dụng một loạt các tấn công lưới 3D phổ biến, bao gồm biến đổi tương tự (similarity transformation), cắt xén (clipping), thêm nhiễu (noise addition), và làm trơn (smoothing). Sau mỗi cuộc tấn công, thuật toán sẽ cố gắng trích xuất dấu thủy vân và độ tương quan giữa dấu đã trích xuất và dấu gốc được tính toán. Kết quả nghiên cứu, như được minh họa trong các hình 28 đến 36 của tài liệu gốc, cho thấy mối tương quan giữa các biên độ phổ của đối tượng gốc và đối tượng bị tấn công. Các hình này cung cấp bằng chứng cụ thể về cách các cuộc tấn công khác nhau ảnh hưởng đến các đặc tính phổ của lưới 3D. Mặc dù Biến đổi Manifold Harmonics đã được chứng minh là có độ bền cao, nhưng độ bền thủy vân 3D của thuật toán đề xuất vẫn cần được cải thiện trong tương lai. Điều này đặc biệt đúng đối với các tấn công mạnh mẽ hoặc kết hợp. Nghiên cứu cũng đã kiểm tra hiệu quả của thuật toán trong việc phân biệt dấu thủy vân chính xác khỏi các dấu ngẫu nhiên, sử dụng kỹ thuật chèn lặp lại dựa trên tương quan (Hình 40), đảm bảo rằng chỉ dấu thủy vân hợp lệ mới được nhận diện, tăng cường bảo vệ bản quyền lưới 3D.

5.1. Phân tích Tính không Cảm nhận được của Thủy vân

Để đánh giá tính không cảm nhận được của thủy vân mù cho lưới 3D trong miền phổ, nghiên cứu đã so sánh trực quan và định lượng mô hình 3D gốc với mô hình đã được nhúng dấu thủy vân. Mục tiêu là đảm bảo rằng sự thay đổi do dấu thủy vân gây ra là không đáng kể, không ảnh hưởng đến chất lượng thẩm mỹ hoặc tính toàn vẹn của dữ liệu. Các phép đo khách quan như độ lệch giữa các đỉnh của lưới gốc và lưới đã nhúng dấu, hoặc các phương pháp đo chất lượng hình ảnh 3D khác, được sử dụng để định lượng mức độ thay đổi. Việc phân tích này là tối quan trọng để xác nhận rằng thuật toán thủy vân 3D không làm suy giảm giá trị của tài sản số 3D, từ đó duy trì bảo vệ bản quyền lưới 3D mà không ảnh hưởng đến trải nghiệm người dùng.

5.2. Đánh giá Độ bền trước các Tấn công Lưới 3D Phổ biến

Độ bền thủy vân 3D là một chỉ số quan trọng, được đánh giá bằng cách kiểm tra khả năng của thuật toán chống lại các loại tấn công lưới 3D khác nhau. Tài liệu gốc đã minh họa các ví dụ về đối tượng Bunny gốc và đối tượng Bunny bị tấn công bởi biến đổi tương tự, cắt xén (với tỷ lệ 50%), và thêm nhiễu với cường độ khác nhau (Hình 28, 30, 32). Sau mỗi cuộc tấn công, sự tương quan giữa các biên độ phổ của đối tượng gốc và đối tượng bị tấn công được phân tích (Hình 29, 31, 33, 35, 36). Mặc dù Biến đổi Manifold Harmonics tự thân đã thể hiện độ bền, kết quả cho thấy độ bền thủy vân 3D của thuật toán đề xuất cần được cải thiện thêm, đặc biệt là trước các tấn công phức tạp hoặc liên tục, để đảm bảo hiệu quả lâu dài trong việc bảo vệ bản quyền lưới 3D.

5.3. Hiệu quả của Thuật toán và Khả năng Phát hiện Dấu thủy vân

Hiệu quả của thuật toán thủy vân 3D được đánh giá dựa trên khả năng phát hiện chính xác dấu thủy vân đã nhúng và phân biệt nó với các dấu ngẫu nhiên. Tài liệu đề cập đến việc sử dụng phương pháp chèn lặp lại dấu thủy vân dựa trên tương quan cho các maillages 3D (Hình 40). Các thí nghiệm cũng bao gồm việc tính toán sự tương quan giữa một đối tượng đã nhúng dấu và 30.000 dấu thủy vân ngẫu nhiên khác (Hình 43, 44, 46, 47). Điều này chứng minh rằng thuật toán có thể nhận diện chính xác dấu thủy vân ban đầu với mức tương quan cao hơn đáng kể so với các dấu ngẫu nhiên, ngay cả sau khi đối tượng đã bị tấn công (ví dụ, đơn giản hóa với 10% hoặc thêm nhiễu 0,40%). Khả năng phát hiện đáng tin cậy này là yếu tố cốt lõi cho một hệ thống thủy vân mù cho lưới 3D trong miền phổ hiệu quả, giúp củng cố bảo vệ bản quyền lưới 3D.

VI. Tương lai của Thủy vân Mù Lưới 3D trong Miền Phổ Hướng Phát triển và Tiềm năng

Lĩnh vực thủy vân mù cho lưới 3D trong miền phổ vẫn đang tiếp tục phát triển với nhiều hướng nghiên cứu đầy tiềm năng. Mặc dù các nghiên cứu hiện tại đã chứng minh hiệu quả của việc sử dụng Biến đổi Manifold Harmonics và kỹ thuật trải phổ trong việc bảo vệ bản quyền lưới 3D, vẫn còn nhiều thách thức cần được giải quyết để cải thiện độ bền thủy vân 3D và tăng cường tính ứng dụng trong các kịch bản phức tạp. Một trong những hướng phát triển chính là nâng cao khả năng chống chịu của thuật toán thủy vân 3D đối với các loại tấn công lưới 3D mới và mạnh mẽ hơn, bao gồm các tấn công kết hợp (ví dụ: làm trơn kết hợp cắt xén) hoặc các tấn công dựa trên học máy (machine learning-based attacks) nhằm mục đích loại bỏ dấu thủy vân một cách thông minh.

Việc tối ưu hóa hơn nữa tính không cảm nhận được cũng là một mục tiêu quan trọng. Các nghiên cứu tương lai có thể tập trung vào việc phát triển các kỹ thuật nhúng dấu thủy vân thích nghi, điều chỉnh cường độ và vị trí nhúng dựa trên đặc điểm hình học cục bộ của lưới 3D, hoặc sử dụng các mô hình tâm lý thị giác 3D để đảm bảo rằng dấu thủy vân thực sự vô hình đối với người quan sát. Ngoài ra, việc mở rộng ứng dụng của thủy vân mù cho lưới 3D trong miền phổ sang các loại dữ liệu 3D khác như đám mây điểm (point clouds) hoặc các biểu diễn thể tích (volumetric representations) cũng là một hướng đi hứa hẹn. Nghiên cứu cũng có thể tập trung vào việc giảm thiểu chi phí tính toán của các thuật toán thủy vân 3D để cho phép xử lý các mô hình 3D lớn hơn hoặc ứng dụng trong thời gian thực. Hơn nữa, việc tích hợp các phương pháp dựa trên học sâu (deep learning) có thể mở ra những khả năng mới để tự động hóa quá trình nhúng và trích xuất dấu thủy vân, cũng như tăng cường khả năng chống chịu. Nhờ những nỗ lực nghiên cứu liên tục, công nghệ thủy vân mù cho lưới 3D trong miền phổ sẽ ngày càng hoàn thiện, đóng góp vào việc bảo vệ giá trị của tài sản số 3D.

6.1. Cải thiện Độ bền Thủy vân 3D trước các Tấn công Phức tạp và Kết hợp

Mặc dù Biến đổi Manifold Harmonics và kỹ thuật trải phổ đã cung cấp một nền tảng vững chắc cho thủy vân mù cho lưới 3D trong miền phổ, độ bền thủy vân 3D vẫn cần được cải thiện, đặc biệt là khi đối mặt với các tấn công lưới 3D phức tạp hoặc kết hợp. Các nghiên cứu tương lai nên khám phá các chiến lược nhúng dấu thủy vân mạnh mẽ hơn, có thể là bằng cách sử dụng các dải tần số động hoặc kết hợp thông tin từ nhiều miền (ví dụ: miền không gian và miền phổ). Việc phát triển các phương pháp điều chế và giải điều chế dấu thủy vân thích nghi, có khả năng nhận diện và bù đắp các biến dạng do tấn công, sẽ là chìa khóa để đạt được mức độ bền vững cao hơn. Mục tiêu là tạo ra một thuật toán thủy vân 3D có khả năng chống chịu hiệu quả, đảm bảo bảo vệ bản quyền lưới 3D trong một môi trường luôn thay đổi.

6.2. Mở rộng Ứng dụng và Tích hợp Công nghệ Mới cho Lưới 3D

Tương lai của thủy vân mù cho lưới 3D trong miền phổ không chỉ nằm ở việc cải thiện các phương pháp hiện có mà còn ở việc mở rộng phạm vi ứng dụng và tích hợp các công nghệ mới. Việc nghiên cứu các kỹ thuật cho phép thủy vân 3D không chỉ trên lưới mà còn trên các biểu diễn 3D khác như đám mây điểm (point clouds) hoặc các mô hình CAD sẽ tăng cường tính linh hoạt. Ngoài ra, việc khám phá sự kết hợp giữa thủy vân 3D và các công nghệ mới nổi như học sâu (deep learning) có thể mang lại những đột phá. Các mô hình học sâu có thể được đào tạo để nhận diện các đặc điểm tối ưu để nhúng dấu, hoặc để trích xuất dấu thủy vân một cách hiệu quả hơn từ dữ liệu bị biến dạng, từ đó nâng cao đáng kể khả năng bảo vệ bản quyền lưới 3D và hiệu quả của các thuật toán thủy vân 3D trong thực tiễn.

Nội dung chính

Tổng quan nghiên cứu

Sự bùng nổ của mạng Internet và công nghệ số hóa đã thúc đẩy việc ứng dụng mô hình 3D trong nhiều lĩnh vực như y tế, điện ảnh, trò chơi điện tử và kỹ thuật công nghiệp. Dữ liệu lưới đa giác 3D (3D mesh) là cấu trúc phổ biến nhất để xấp xỉ bề mặt vật thể, bao gồm hai thành phần cơ bản: thông tin hình học (tọa độ các đỉnh) và thông tin liên kết topo (quan hệ kề nhau giữa các đỉnh và mặt phẳng). Tuy nhiên, khả năng sao chép và phân phối kỹ thuật số trái phép đặt ra thách thức cấp thiết về bảo vệ quyền sở hữu trí tuệ.

Nghiên cứu này tập trung giải quyết bài toán: phát triển phương pháp thủy vân mù (blind watermarking) có độ bền vững cao trên miền phổ cho lưới đa giác 3D. Khác với các phương pháp phi mù đòi hỏi mô hình gốc khi trích xuất, kỹ thuật thủy vân mù cho phép phát hiện thông tin bản quyền chỉ từ mô hình đã nhúng dấu, bảo đảm tính thực tiễn cao trong các hệ thống phân phối nội dung mở.

Đề tài đặt mục tiêu cốt lõi: phân tích độ ổn định của phép biến đổi điều hòa đa tạp (Manifold Harmonics Transform - MHT) trên dải phổ rộng từ 1.000 đến 3.400 hệ số (thay vì giới hạn ở mức 40 hệ số như các nghiên cứu trước đó), đồng thời tích hợp kỹ thuật trải phổ (Spread Spectrum) nhằm tối ưu hóa sự cân bằng giữa tính vô hình và độ bền vững. Quá trình nghiên cứu và thực nghiệm được tiến hành trong thời gian 9 tháng tại Phòng thí nghiệm LIRIS thuộc Đại học Claude Bernard Lyon 1 kết hợp cùng Viện Tin học Pháp ngữ (IFI). Các kết quả đạt được tạo nền tảng vững chắc cho việc bảo vệ bản quyền dữ liệu đồ họa 3D với sai số biến dạng bề mặt cực thấp (khoảng cách sai số hình học MRMS duy trì dưới mức 0,001) và khả năng phân biệt dấu nước chính xác trước hơn 30.000 mẫu ngẫu nhiên.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu vận dụng đồng thời hai nền tảng lý thuyết chủ đạo: lý thuyết xử lý tín hiệu hình học trên miền phổ và lý thuyết truyền thông trải phổ. Phân tích phổ trên lưới đa giác 3D được xây dựng dựa trên toán tử Laplace-Beltrami rời rạc. Toán tử này cho phép phân rã hình học phức tạp thành các thành phần tần số dao động từ thấp đến cao, tương đương với chuỗi Fourier trên tín hiệu 1D và 2D. Phép biến đổi điều hòa đa tạp (MHT) cung cấp hệ cơ sở trực giao chuẩn để tính toán các biên độ phổ, đại diện cho hình dạng tổng thể ở tần số thấp và chi tiết bề mặt ở tần số cao.

Bên cạnh đó, lý thuyết điều chế trải phổ được kế thừa từ xử lý âm thanh và hình ảnh 2D, giúp phân tán năng lượng của thông điệp bản quyền trên một dải tần số rộng. Trong mô hình này, ba khái niệm then chốt được thiết lập:

• Tính vô hình (Imperceptibility): Dấu thủy vân nhúng vào các biên độ phổ không gây biến dạng thị giác nhận biết được trên bề mặt lưới 3D.
• Độ bền vững (Robustness): Dấu thủy vân phải tồn tại nguyên vẹn sau các tấn công hình học (thêm nhiễu, làm mịn, biến đổi đồng dạng) và tấn công topo (đơn giản hóa lưới, cắt xén).
• Tính năng giải mã mù (Blind Watermarking): Khả năng xác thực và phát hiện bản quyền trực tiếp từ vật thể nghi vấn mà không cần truy xuất lại mô hình lưới gốc ban đầu.

Phương pháp nghiên cứu

Về nguồn dữ liệu và chọn mẫu, nghiên cứu sử dụng tập dữ liệu chuẩn trong đồ họa máy tính quốc tế gồm các mô hình: Stanford Bunny, Horse, Venus và mô hình Rabbit với cấu trúc phức tạp lên đến 70.658 đỉnh. Phương pháp chọn mẫu có chủ đích được áp dụng nhằm đánh giá giải thuật trên các hình dạng vật thể có độ phân giải lưới từ trung bình đến rất cao, đại diện cho các bề mặt trơn nhẵn lẫn nhiều chi tiết gồ ghề.

Về phương pháp phân tích và xử lý, quy trình thực nghiệm được xây dựng gồm các giai đoạn:

1. Hoàn thiện thuật toán tính phổ: Tích hợp bộ giải ma trận thưa Taucs để tính toán hệ thống giá trị riêng và vector riêng trên nền tảng MEPP (Mesh Processing Platform), cải tiến từ mã nguồn ban đầu của dự án Graphite.
2. Khắc phục sai số tính toán từng dải: Tối ưu hóa thuật toán tính toán theo từng dải (band-by-band) 100 giá trị riêng, xử lý triệt để lỗi lặp giá trị riêng (như giá trị 332.8754) và lỗi mất giá trị riêng (như giá trị -1259.0661).
3. Thực nghiệm nhúng và trích xuất thủy vân: Điều chế dấu nhúng vào các biên độ phổ trung tần và cao tần bằng kỹ thuật trải phổ, sau đó tính toán tương quan thống kê trên vật thể sau khi chịu các tác động biến dạng.

Tiến trình nghiên cứu được triển khai xuyên suốt 9 tháng, kết hợp giữa mô phỏng trên nền tảng phần mềm C++ và đối soát chéo bằng môi trường Matlab để bảo đảm tính chuẩn xác toán học.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình kiểm thử thực nghiệm trên các mô hình 3D tiêu chuẩn đã mang lại các phát hiện khoa học quan trọng:

• Độ ổn định của hệ số phổ trên dải rộng: Trái với giả định trước đây cho rằng phân tích điều hòa đa tạp chỉ ổn định dưới 40 hệ số, nghiên cứu chứng minh các biên độ phổ trong dải từ 1.000 đến 3.400 hệ số vẫn giữ được tính nhất quán và tương quan gần như tuyệt đối khi mô hình chịu các phép biến đổi đồng dạng (xoay, tịnh tiến, tỉ lệ).
• Hiệu quả tối ưu hóa thuật toán: Việc cải tiến thuật toán phân đoạn dải tính toán dưới nền tảng MEPP đã loại bỏ hoàn toàn 100% lỗi sai lệch giá trị riêng, giúp việc tái tạo hình học bề mặt từ các vector riêng đạt độ chính xác tương đương với kết quả giải ma trận trực tiếp trên Matlab.
• Độ đặc hiệu của bộ phát hiện thủy vân mù: Khi thực hiện đối soát tương quan giữa mô hình đã nhúng thủy vân với 30.000 chuỗi thủy vân giả lập ngẫu nhiên, duy nhất chuỗi thủy vân chuẩn (mã định danh số 42) tạo ra đỉnh tương quan vượt ngưỡng phát hiện 0,10. Tất cả các chuỗi ngẫu nhiên còn lại đều có mức tương quan dao động gần bằng 0 (khoảng từ -0,02 đến 0,02).
• Khả năng chịu đựng các tấn công hình học và topo: Thuật toán duy trì khả năng nhận dạng thủy vân thành công khi mô hình Bunny bị làm mịn bề mặt qua 50 chu kỳ lặp với hệ số biến dạng 0,03, bị thêm nhiễu ngẫu nhiên với cường độ 0,40%, hoặc bị đơn giản hóa cấu trúc lưới với tỷ lệ loại bỏ từ 10% đến 97,5% số lượng tam giác.

Thảo luận kết quả

Khả năng chống chịu ấn tượng của thuật toán xuất phát từ việc trải đều năng lượng dấu thủy vân trên các biên độ phổ của phép biến đổi điều hòa đa tạp. Khi năng lượng được phân tán mỏng trên dải rộng, các biến dạng cục bộ trên bề mặt hình học không làm thay đổi đáng kể cấu trúc tương quan tổng thể. Dữ liệu thực nghiệm được trực quan hóa qua các đồ thị phân bố hệ số tương quan và bảng thống kê khoảng cách sai số hình học cực đại (MRMS). Các biểu đồ tương quan phổ minh chứng rằng ngay cả khi mô hình bị cắt giảm tới 97,5% số lượng đỉnh, xu hướng tương quan của các vector riêng chính vẫn được bảo tồn một cách rõ nét.

Khi so sánh với các nghiên cứu trước đây (như phương pháp của Wang, Piva hay Cho), giải pháp đề xuất thể hiện ưu thế vượt trội ở tính năng giải mã mù hoàn toàn và khả năng vận hành trơn tru trên các mô hình có kích thước dữ liệu lớn (như mô hình Rabbit với 70.658 đỉnh). Tuy nhiên, khi đối mặt với tấn công cắt xén (cropping) tỷ lệ lớn tới 50% diện tích, sự thay đổi ranh giới biên làm suy giảm tính trực giao của toán tử Laplace-Beltrami, đòi hỏi các giải pháp xử lý thích ứng bổ sung trong tương lai.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, 4 giải pháp cụ thể được đề xuất nhằm hoàn thiện và ứng dụng công nghệ thủy vân 3D vào thực tiễn:

1. Tối ưu hóa hiệu năng tính toán thông qua xử lý song song trên GPU: Nhóm phát triển phần mềm cần tái cấu trúc mô-đun giải ma trận riêng của MEPP sang nền tảng CUDA/OpenCL, hướng tới mục tiêu giảm thời gian trích xuất phổ trên các mô hình trên 100.000 đỉnh từ hơn 60 giây xuống dưới 5 giây, hoàn thành trong vòng 6 tháng tới.
2. Nâng cao khả năng kháng tấn công cắt xén diện rộng: Các nhà nghiên cứu xử lý hình học số nên phát triển cơ chế phân vùng bề mặt thích ứng (patch-based segmentation) trước khi biến đổi phổ, nhằm bảo đảm hệ số tương quan đạt trên 0,25 ngay cả khi mô hình bị cắt bỏ 50% thể tích.
3. Chuẩn hóa và tích hợp mô-đun mã nguồn mở vào nền tảng MEPP: Đơn vị phụ trách dự án MEPP tại LIRIS cần đóng gói toàn bộ thư viện thủy vân phổ thành tiện ích mở rộng (plugin) chuẩn hóa, phục vụ cộng đồng học thuật và doanh nghiệp thử nghiệm trong quý tiếp theo.
4. Xây dựng ngưỡng phát hiện động theo chất lượng mô hình: Các chuyên gia an toàn thông tin cần thiết lập công thức xác định ngưỡng tương quan tự động dựa trên độ phức tạp hình học và tỷ lệ biến dạng MRMS thực tế, giảm thiểu tỷ lệ báo động giả xuống dưới 0,001%.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng chính:

• Học viên cao học và nghiên cứu sinh ngành Khoa học Máy tính: Tài liệu cung cấp phương pháp luận chặt chẽ về phân tích phổ hình học, giải ma trận thưa và kỹ thuật điều chế tín hiệu nâng cao trên dữ liệu đồ họa đa giác.
• Kỹ sư xử lý đồ họa và thị giác máy tính: Cung cấp giải pháp triển khai thực tế trên nền tảng MEPP và Graphite, hỗ trợ tối ưu hóa quy trình tính toán hệ thống giá trị riêng trên các mô hình 3D quy mô lớn.
• Chuyên gia bảo mật và quản lý bản quyền số (DRM): Nắm bắt nguyên lý xây dựng hệ thống thủy vân mù chống giả mạo, ứng dụng trực tiếp trong bảo vệ tài nguyên 3D trong game, hoạt hình và công nghiệp sản xuất kỹ thuật số.
• Doanh nghiệp phát triển Metaverse và nội dung thực tế ảo (VR/AR): Ứng dụng công nghệ đóng dấu bản quyền vô hình nhằm xác thực quyền sở hữu các tài sản số 3D (NFT, 3D Assets) khi phân phối trên môi trường mạng phi tập trung.

Câu hỏi thường gặp

Thủy vân mù trên lưới 3D khác biệt như thế nào so với thủy vân phi mù? Thủy vân mù cho phép trích xuất và xác thực dấu bản quyền trực tiếp từ mô hình nghi vấn mà không cần sự hiện diện của mô hình 3D gốc. Ngược lại, phương pháp phi mù bắt buộc phải đối chiếu với dữ liệu gốc, gây bất tiện lớn và rủi ro bảo mật khi phân phối mô hình trên không gian mạng quy mô lớn.

Tại sao biến đổi điều hòa đa tạp (MHT) lại thích hợp cho thủy vân miền phổ? MHT xây dựng dựa trên toán tử Laplace-Beltrami rời rạc, tạo ra hệ cơ sở trực giao chuẩn có khả năng nắm bắt hình học nội tại của bề mặt. Các hệ số phổ MHT có tính bất biến tự nhiên đối với các phép biến đổi đồng dạng như tịnh tiến và xoay, giúp dấu thủy vân bền vững vượt trội.

Kỹ thuật trải phổ đóng vai trò gì trong việc cân bằng giữa độ bền và tính vô hình? Kỹ thuật trải phổ phân tán năng lượng dấu nước rất mỏng trên hàng nghìn biên độ tần số thay vì tập trung vào một vài đỉnh. Nhờ đó, mắt thường không thể nhận thấy sự sai lệch trên bề mặt vật thể (sai số MRMS cực nhỏ), trong khi độ nhạy tương quan thống kê vẫn đủ lớn để nhận dạng chính xác.

Thuật toán có khả năng chống lại những dạng tấn công nào? Hệ thống thể hiện độ bền cao trước các tấn công hình học như thêm nhiễu ngẫu nhiên với cường độ 0,40%, làm mịn bề mặt 50 lần lặp, và các tấn công topo như đơn giản hóa lưới cắt giảm tới 97,5% số lượng tam giác, cũng như toàn bộ các phép biến đổi đồng dạng tọa độ.

Hạn chế lớn nhất hiện tại của nghiên cứu là gì? Hạn chế chính nằm ở độ bền đối với tấn công cắt xén (cropping) diện rộng trên 50% diện tích và chi phí tính toán các vector riêng trên các lưới đa giác có số lượng đỉnh vượt quá 100.000. Đây là hai trọng tâm cần tiếp tục mở rộng trong các nghiên cứu tương lai.

Kết luận

• Luận văn đã chứng minh thành công độ ổn định của biến đổi điều hòa đa tạp trên dải phổ rộng từ 1.000 đến 3.400 hệ số, phá vỡ giới hạn 40 hệ số truyền thống.
• Cải tiến toàn diện thuật toán giải ma trận riêng trên nền tảng MEPP, khắc phục 100% các lỗi trùng lặp và mất giá trị riêng trong tính toán.
• Thiết lập thành công quy trình thủy vân mù miền phổ sử dụng kỹ thuật trải phổ, bảo đảm tính vô hình tuyệt đối với độ phân biệt dấu nước chính xác giữa 30.000 khóa ngẫu nhiên.
• Duy trì độ bền vững cao trước các tác động nén, thêm nhiễu, làm mịn và đơn giản hóa lưới với tỷ lệ loại bỏ tam giác lên đến 97,5%.
• Xác định lộ trình kế tiếp tập trung vào tối ưu hóa tính toán song song trên GPU và nâng cao khả năng chống chịu tấn công cắt xén trong vòng 6 đến 12 tháng tới.

Các tổ chức nghiên cứu, kỹ sư đồ họa và doanh nghiệp công nghệ số quan tâm đến việc bảo vệ bản quyền dữ liệu 3D được khuyến khích tham khảo chi tiết mã nguồn và thử nghiệm các mô-đun mở rộng trên nền tảng MEPP để tích hợp vào hệ thống phân phối nội dung thương mại.

Trích đoạn nội dung tài liệu

4 Conclusion des comparaisons.4 Stabilité des valeurs et vecteurs propres. Cohérence entre une bande étroite et une bande large.2 Cohérence entre une bande entiére et des bandas surcessives.5 Robustesse de la transformée.1 Comparaison entre les matrices de discrétisation. 4 Tatouage de maillages 3D dans le domaine spectral. Tatouage utilisant la technique d’étalement de spectre - généralités 4.11 _ Principe de tatouage sur des données audiovisuelles so 50 4.12 Avantage et Inconvénients.

Tatouage utilisant ’étalement de spectre sur des maillages 3D.22 Application de différentes techniques de modulation 4.23 Identification du seuil de détection du tatouage. Méthode de Piva et cal. [35] sur des maillages 3D.1 Adaptation de méthode de Piva et cal. [35] sur des maiffages 40 58 4.33 Analyse de 'lmaerceptiblllté.4 Efficacité de’algorithme.35 Analyse de la robustesse.1 Résumé des contributions.

6 Référence Remerciements Je tiens particuliérement a remercier professeurs Florence DENIS, Guillaume LAVOUE mes responsables de stage, pour Ì'encadrement, l'aide, les conseils précieux pendant9 mois de mon stage. Je tiens également a remercier Kai WANG, un thésard dans l'équipe M2disco qui a trava avec moi pendant ce stage, et m’a beaucoup aidé non seulement dans la théorie mais aussi dans le développement grace a ses explications, ses conseils utiles et les documents & consulter, adiresse mes sincéres remerciements a tous les professeurs de f Institut de la Francophanie pour "informatique (IFl) pour m‘avoir enseigné et me donnée les cours intéressants pendant mes études au niveau master. Je profite de cette occasion pour dire remercier tous les personnels de {'IFI qui m‘ont apporté de Maide. Finalement, je voudrais remercier ma famille, mes parents et mes amis qui sont toujours prés de moi et m’ont apporté de courage dans les moments difficiles.

Résumé Les progrés dans les technologies d’acquisition et de modélisation 3D permettent de produire facilement des objets 3D. La représentation la plus utilis¢e pour madéliser un objet 3D est le maillage 2D, c’est-a-dire un ensemble de polygones permettant de représenter des portions d’une surface 30. Ilya de plus en plus d'outils qui permettent de manipuler ces données. On a donc besoin d'une technique pour protéger le droit d'auteur de ces maillages 3D.

Le tatouage est apparu comme une solution à cette demande, La transformée en Harmoniques variétés est récamment apparue comme un outil efficace d’analyse spectrale des maillages. Ele commence à étre utilisée dans quelques algorithmes de tatouage. Uobjectif de ce travail est double. Il s‘agit d’étudier, c’implémenter et d’évaluer la rabustesse des Harmoniques variétés.

D’autre part, il vise & proposer un algorithme de tatouage aveugle et robuste de maillages 3D dans le domaine spectral en utilisant fa technique d’étalement de spectre sur des amplitudes spectrales obtenues par ce type de décomposition. La robustesse des Harmoniques variétés a été démontrée mais celle de notre algorithme devra Ètre améliorée dans fe futur. Abstract 3D scanning and modeling technalogies now allow to produce easily representations of 3D objects that use different structures. One of these structures is the 3D mesh that is a set of polygons which represent an appropriate approximation of a 3D surface.

There are more and more tools for manipulating these data. We therefore need a technique to protect the copyright of 3D meshes. Watermarking appears as a good candidate to solve this emerging problem. Manifold Harmonies transform has been recently introduced as an efficient spectral analysis tool of 3D meshes.

It begins to be used in some watermarking algorithms. This work has two objectives. The first objective is to study and implement the Manifold Harmonies transform, and evaluate its robustness. The second is to propose a blind and robust mesh watermarking algorithm in the spectral domain by applying the spread spectrum technique on the Manifold Harmonics spectral amplitudes.

The robustness of the Manifold Harmanics transfarm has been demonstrated ut the rabustness of our watermarking algorithm has ta be improved in the future. 1 Introduction Le développement de l'Internet rend plus facile la transmission de données visuelles. On a donc besoin de protéger les droits de propriétés de ces contenus. Le tatouage est apparu pour répondre a cette demande.

Grace au tatouage, on peut insérer une marque (un tatouage) dans le contenu pour I'identifier ou en prouver la propriété. Cette information doit étre imperceptible et survivre & différentes attaques.