- [107][108]
基于差值扩张，通过修改相邻地图顶点之间的距离值嵌入水印数据。缺点在于水印嵌入过程没有考虑形状特征。 - [109][110-112]
保持矢量地图特征点相对位置的前提下，根据密钥对特征点位置进行非线性置乱，并在置乱后的特征点种嵌入水印数据。 - 113 114
提出将文字按照字符编码方式直接转化为二进制的水印数据生成方法，研究了水印嵌入与提取种坐标映射机制和映射函数构造原则.114利用长函数设计了可抵抗几何变换的矢量地图特征常函数 - 115
根据顶点之间的空间关系不受常用地图操作影响。利用特征点提取算法将其分为特征点和非特征点，计算每个非特征点与相邻前后特征点所构成夹角。利用夹角来映射水印比特位。 - 116
基于BP神经网络的二维无损水印算法。版权信息首先被转换为二进制序列，然后调整神经元的权重值进行水印嵌入。水印提取阶段，利用训练后的神经网络，通过输入获取的神经元系数进行水印提取。 - 117 118
改进了量化调试和差值扩张，大幅度提高了水印的嵌入容量 - 120
抗投影变换，嵌入前首先提取并保存特征点和属性信息，嵌入采用坐标映射和量化机制。检测时将数据与原始特征点进行属性信息匹配，匹配成功的同名点采用二元三次多项式进行最小二乘法拟合，根据拟合的多项式系数对待检测数据进行投影变换，算法有效抵抗地图投影变换。
2、矢量地图无损水印算法评价
攻击类型分类
- 几何攻击
平移、旋转及缩放 - 非几何攻击
数据压缩、地图裁剪、拼接、地图增删点、解释攻击、投影变换、坐标系中转换。
水印算法有效载荷评价
版权信息长度/水印数据长度
无损性评价
可以使用顶点坐标差来计算水印的无损性。（Er）
不可感知性
通常采用最大误差(Max.Er)与均方根误差(RMSE)进行误差的评价。
稳健性评价
归一化相关系数(NC)、误码率(BER)两个指标进行量化
3、基于纠错编码的矢量地图无损水印算法
3.1水印数据纠错
通过将纠错码和原始水印信息一起嵌入到数据中的方式来保证原始水印信息的正确性。
3.2 特征顶点提取和顶点分组
特征顶点提取依旧道格拉斯
利用分组俩解决地图裁剪、分幅的操作。
计算每个非特征顶点到所有特征顶点的距离（计算的距离只采用整数部分），选择距离最小的建立映射关系。这样就形成了特征顶点个数个分组。
以一个分组为单位进行水印的嵌入，计算非特征点与特征点之间的距离，利用整数距离hash计算水印的x位，利用各个位的和计算y位获得水印位。得到水印位后在固定的小数位后进行水印的嵌入，检测也在相应的小数位中进行水印的检测。
4、基于压缩编码的矢量地图高载荷无损水印算法
4.1数据压缩编码方法
可以通过将图像分成2*2的形式进行霍夫曼编码压缩。
4.3基于霍夫曼编码的矢量地图高载荷无损水印算法
对水印图像压缩之后进行水印的嵌入，为了提高水印的嵌入容量，上述的算法也可以进行优化。
- 优化部分：
在每个顶点组内，建立一个虚拟中心点，中心点的坐标是四舍五入的结果。
4.4 基于顶点坐标进制转换的矢量地图高载荷无损水印算法
大部分与上述算法无异，只是将基于霍夫曼编码的16个不同的值设置成了16进制的一位数，之后在嵌入水印的时候，也将距离的值设置为十六进制，进行水印的嵌入。
5 基于QR码的矢量地图高载荷无损水印算法
分析QR码的分布规则，剔除其中不含有编码数据的像元，缩短编码的长度，
5.3基于参考点的水印嵌入与提取方法
计算所有特征点的平均值作为同心圆的圆心进行分组，计算的时候为了保证参考点的正确可以只取整数部分进行计算
一个分组中水印的嵌入也是采用极坐标进行嵌入，本论文的算法依旧是修改ρ的小数位进行水印位的嵌入，有待商榷。
6 矢量地图多级水印算法
当前的矢量地图多级水印算法分为两类：静态多级水印和动态多级水印
6.2基于顶点分组的矢量地图多级水印算法
顶点的划分方法：度（与该顶点相邻的顶点总数目）
1）对度为0或1的顶点，划分到编号为10的顶点组中
2）对度为2的顶点，根据相邻顶点间距离的比值来确定对应的分组
3）对度大于2的顶点，将其划分为编号为10的定点组内。
确定了分组之后，就可以对每一级的顶点进行虚拟顶点的计算，从而计算每一级中顶点坐标的水印的嵌入。
6.3基于版权信息合并的矢量地图多级水印算法
用QR码作为容纳各种版权信息的容器，用来存储各种版权信息。
