تتمحور خوارزمية إخفاء معلومات سحابة النقاط الثلاثية الأبعاد أساسا في مجال الفضاء. الخوارزميات الحالية لتحليل الإخفاء في المجال الفضائي تعاني من العديد من العوامل التشويشية خلال عملية التحليل والكشف، ويمكن تطبيقها فقط على كائنات الشبكات الثلاثية الأبعاد، مما يفتقر إلى خوارزمية تحليل الإخفاء لسحابة النقاط الثلاثية الأبعاد. من أجل كسر القيود المفروضة على تحليل الإخفاء للشبكات الثلاثية الأبعاد والقضاء على السمات المتكررة في مجموعة سمات تحليل الإخفاء للشبكات الثلاثية الأبعاد، نقترح خوارزمية تحليل إخفاء سحابة النقاط الثلاثية الأبعاد المحسنة بناءً على تعزيز سمات عامل مركب. أولا، نقوم بتطبيع سحابة النقاط الثلاثية الأبعاد وتنعيمها. ثم، بواسطة عامل مركب 3D-Harris-ISS المحسن، نستخرج نقاط سمات ممكنة في سحابة النقاط الثلاثية الأبعاد ونقاط الجوار الخاصة بها كمنطقة تعزيز سمات، ونقوم بتعزيز السمات في تلك المنطقة لتكوين سحابة النقاط الثلاثية الأبعاد ذات التعزيزات في السمات، مؤكداً النقاط السمات في الوقت نفسه وكبح التشويش الناتج من النقاط العالية الأخرى. ثم، نقوم بفرز مجموعة السمات الحالية في الشبكة ثلاثية الأبعاد، ونقلل الزائدة الناتجة عن المزيد من السمات ذات الصلة بالبيانات، ونضيف مجموعة السمات المحلية الجديدة الناتجة من الجوار إلى مجموعة السمات المفرزة، لتشكل مجموعة سمات تحليل إخفاء سحابة النقاط الثلاثية POINT72. وأخيرا، بإستخدام مجموعة السمات POINT72، نقوم بإستخراج الميزات الإخفاء لسحابة النقاط الثلاثية معززةً ونقوم بتحليل الإخفاء التجريبي. تحليل التجربة يظهر أن الخوارزمية يمكنها تحليل سحابة النقاط الثلاثية بدقة في الفضاء، وتحديد ما إذا كانت سحابة النقاط الثلاثية تحتوي على معلومات مخفية. في ظل عدم وجود معلومات حول الحواف والوجوه، يقترب معدل الدقة لتحليل إخفاء سحابة النقاط الثلاثية من الخوارزميات الحالية لتحليل إخفاء شبكة ثلاثية الأبعاد.

تحليل الإخفاء; سحابة النقاط الثلاثية الأبعاد; تعزيز السمات; فرز مجموعة السمات