專利名稱：：數(shù)字水印嵌入、提取和量化步長協(xié)調(diào)因子優(yōu)化方法及裝置的制作方法
技術(shù)領域：
：本發(fā)明涉及數(shù)字水印
技術(shù)領域：
，尤其涉及一種數(shù)字水印嵌入、提取和量化步長協(xié)調(diào)因子優(yōu)化方法及裝置。
背景技術(shù)：
：隨著多媒體技術(shù)和計算機網(wǎng)絡技術(shù)的普及和飛速發(fā)展，作為載體的多媒體信息(數(shù)字圖像、數(shù)字視頻以及三維模型等)越來越容易被非法的復制、篡改和傳播。為了有效地保護多媒體信息版權(quán)和多媒體信息內(nèi)容的完整性成為人們?nèi)找骊P(guān)注的問題，數(shù)字水印技術(shù)應運而生，成為解決上述問題的有效方法。數(shù)字水印技術(shù)是一種信息隱藏技術(shù)，它通過一定的算法在數(shù)字化的多媒體信息中嵌入某些能證明版權(quán)歸屬的信息或跟蹤侵權(quán)行為的信息。嵌入的信息通常是不可見的，不影響原始多媒體信息的可觀性和完整性，只有通過專用的檢測器或閱讀器才能提取。數(shù)字水印具有以下主要特性不可見性指的是原始多媒體信息中嵌入數(shù)字水印不會引起明顯的降質(zhì)，并且不易^皮察覺。魯棒性是指嵌入數(shù)字水印的多+某體信息在經(jīng)歷多種無意或有意的信號處理過程后，數(shù)字水印仍能保持多媒體信息的完整性或多媒體信息仍能被準確鑒別。可能的信號處理過程包括信道噪聲、濾波、數(shù)/模與模/數(shù)轉(zhuǎn)換、重采樣、剪切、位移、尺度變化以及有損壓縮編碼等。現(xiàn)有的數(shù)字水印方法中，根據(jù)數(shù)字水印嵌入的位置，數(shù)字水印方法包括變換^或方法。離散余弦變才灸(discretecosinetransform,DCT)是一種重要的變換域方法，圖像奇異值分解(singularvaluedecomposition,SVD)能反應圖像內(nèi)部特征并對圖像處理具有較好的穩(wěn)定性，因此基于DCT-SVD的數(shù)字水印方法不斷凈皮提出。DCT-SVD數(shù)字水印方法中一般采用量化處理，所謂的量化是指所要處理的數(shù)據(jù)除以相應的步長，再取整；量化步長是指用于數(shù)字水印方法中進行量化處理的相應的步長。對于基于量化的DCT-SVD數(shù)字水印方法，量化步長的選取是實現(xiàn)數(shù)字水印的不可見性和魯棒性平衡的關(guān)4建，因為量化步長越大，數(shù)字水印的魯棒性越好，不可見性卻越差；反之，量化步長越小，數(shù)字水印的魯棒性越差，不可見性卻越好?，F(xiàn)有技術(shù)中，有的DCT-SVD數(shù)字水印方法中量化步長的選取是固定的，不能自適應的選取量化步長，所以不能根據(jù)圖像信息不同位置的不可見性和魯棒性的不同選取自適應量化步長，不能更好的實現(xiàn)數(shù)字水印方法的不可見性和魯棒性的平衡?，F(xiàn)有技術(shù)中，有的DCT-SVD數(shù)字水印方法雖然能夠自適應的選取量化步長，如利用采樣人工智能的方法或者利用網(wǎng)格搜索的方法來確定自適應量化步長，但是這些數(shù)字水印方法卻沒有結(jié)合人類視覺系統(tǒng)(HVS，HumanVisualSystem)實現(xiàn)自適應量化步長的選取，使得這些數(shù)字水印方法的自適應性不字水印的不可見性受背景亮度、背景的紋理復雜性、背景和數(shù)字水印的空間頻率等因素的影響，而人類視覺系統(tǒng)具有對這些信息敏感感知的特性，所以不結(jié)合人類視覺系統(tǒng)的數(shù)字水印方法不能根據(jù)圖像信息不同位置的人類視覺特性實現(xiàn)更好的自適應量化步長的選取，因此不能更好的實現(xiàn)數(shù)字水印方法的不可見性和魯棒性的平衡。從上述可以看出，現(xiàn)有技術(shù)中基于量化的DCT-SVD數(shù)字水印方法不能根據(jù)圖像信息不同位置的特點選取自適應量化步長，不能更好的實現(xiàn)數(shù)字水印方法的不可見性和魯棒性的平衡。
發(fā)明內(nèi)容本發(fā)明實施例的目的是提供數(shù)字水印嵌入、提取和量化步長協(xié)調(diào)因子優(yōu)化方法及裝置，實現(xiàn)數(shù)字水印方法的不可見性和魯棒性的平衡。為解決上述技術(shù)問題，本發(fā)明實施例提供數(shù)字水印嵌入、提取和量化步長協(xié)調(diào)因子方法及裝置是這樣實現(xiàn)的一種數(shù)字水印嵌入方法，包括將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT,將DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲取經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的》務訂Y直；利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。優(yōu)選地，所述方法中，所述將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊之前進一步包括對原始數(shù)字水印信息執(zhí)行擴展置亂預處理。優(yōu)選地，所述方法中，所述對原始數(shù)字水印信息執(zhí)行擴展置亂預處理包括對原始數(shù)字水印信息采用Arnold變換擴展置亂預處理。優(yōu)選地，所述方法中，所述根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化包括根據(jù)所述圖像子塊的自適應量化步長和奇異值向量的F范數(shù)力。1的值進行量化。優(yōu)選地，所述方法中，所述根據(jù)所述量化值和數(shù)字水印信息進行修訂包括根據(jù)所述量化值的奇偶性和原始數(shù)字水印位信息修訂所述量化值。一種數(shù)字水印提取方法，包括將嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT,將DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；根據(jù)量化值提取數(shù)字水印位信息，獲取數(shù)字水印信息。優(yōu)選地，所述方法中，如果所述嵌入數(shù)字水印的圖像中的原始數(shù)字水印信息執(zhí)行了擴展置亂預處理，所述根據(jù)量化值提取數(shù)字水印位信息之后進一步包括對所述數(shù)字水印位信息執(zhí)行反擴展置亂預處理。優(yōu)選地，所述方法中，所述對所述數(shù)字水印位信息執(zhí)行反擴展置亂預處理包括對數(shù)字水印信息采用Arnold變換反擴展置亂預處理。優(yōu)選地，所述方法中，所述根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化包括根據(jù)所述圖像子塊的自適應量化步長和奇異值向量的F范數(shù)加1的值進行量化。優(yōu)選地，所述方法中，所述4艮據(jù)量化值提取數(shù)字水印位信息包括才艮據(jù)所述量化值的奇偶性提取數(shù)字水印位信息。一種量化步長協(xié)調(diào)因子優(yōu)化方法，包括ii定義并隨機初始化粒子群，所述粒子群中的粒子為量化步長協(xié)調(diào)因子；根據(jù)隨機初始化后的量化步長協(xié)調(diào)因子生成嵌入數(shù)字水印的圖像，包括將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT,將DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲取經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)所述量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的》f訂^f直；利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像；計算所述嵌入數(shù)字水印的圖像和待嵌入數(shù)字水印的圖像的歸一相關(guān)系數(shù)；對所述嵌入數(shù)字水印的圖像進行圖像攻擊；提取經(jīng)過圖像攻擊的數(shù)字水印信息，包括將嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT,將DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；根據(jù)量化值提取數(shù)字水印位信息，獲取數(shù)字水印信息；計算所述原始數(shù)字水印信息和所述提取的經(jīng)過圖像攻擊的數(shù)字水印信息之間的誤碼率；根據(jù)所述歸一化相關(guān)系數(shù)和所述誤碼率構(gòu)造適應度函數(shù)；根據(jù)適應度函數(shù)計算粒子的優(yōu)化值，迭代計數(shù)器計數(shù)，判斷迭代計數(shù)器的數(shù)值是否超過預定值，如果沒有超過預定值，將所述粒子的優(yōu)化值返回至所述數(shù)字水印嵌入方法，更新所述數(shù)字水印嵌入方法中的量化步長協(xié)調(diào)因子；如果超過預定值，將所述粒子的優(yōu)化值作為最終的量化步長協(xié)調(diào)因子。一種數(shù)字水印嵌入裝置，包括分割模塊，用于將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；離散余弦變換模塊，用于對所述圖像子塊執(zhí)行離散余弦變換DCT;奇異值分解模塊，用于將所述DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖像子塊對應的分塊奇異值向量；自適應量化步長計算模塊，用于從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；數(shù)字水印信息嵌入模塊，用于根據(jù)圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值，根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的修訂值，利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。優(yōu)選地，所述裝置中，所述數(shù)字水印信息嵌入模塊包括量化模塊，用于根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值，輸出量化值至修訂模塊；修訂模塊，根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的修訂值，輸出嵌入數(shù)字水印信息的修訂值至獲耳Mt塊；獲取;f莫塊，用于利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。優(yōu)選地，所述裝置中，所述裝置進一步包括預處理模塊，用于對原始數(shù)字水印信息執(zhí)行擴展置亂預處理，輸出經(jīng)過擴展置亂預處理后的原始數(shù)字水印信息至數(shù)字水印信息的嵌入模塊。一種數(shù)字水印提取裝置，包括分割模塊，用于將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；離散余弦變換模塊，用于對所述圖像子塊執(zhí)行離散余弦變換DCT;奇異值分解模塊，用于將所述DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖^f象子塊對應的分塊奇異值向量；自適應量化步長計算模塊，用于從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；量化模塊，用于根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；提取模塊，用于根據(jù)所述量化值提取數(shù)字水印位，獲取數(shù)字水印信息。一種量化步長協(xié)調(diào)因子優(yōu)化裝置，包括數(shù)字水印嵌入裝置和數(shù)字水印提取裝置，進一步包括定義模塊，用于定義粒子群，所述粒子群中的粒子為量化步長協(xié)調(diào)因子，輸出所述粒子群至初始化模塊；初始化模塊，用于隨機初始化所述粒子群，輸出所述隨機初始化后的粒子至數(shù)字水印嵌入裝置；第一計算模塊，用于計算待嵌入數(shù)字水印的圖像和所述數(shù)字水印嵌入裝置輸出的嵌入數(shù)字水印的圖像的歸一相關(guān)系數(shù)，輸出所述歸一相關(guān)系數(shù)至構(gòu)造模塊；處理模塊，用于對所述數(shù)字水印嵌入裝置輸出的嵌入數(shù)字水印的圖像進1行圖像攻擊，輸出所述經(jīng)過圖像攻擊的嵌入數(shù)字水印的圖像至數(shù)字水印提取裝置；第二計算模塊，用于計算所述原始數(shù)字水印信息和所述數(shù)字水印提取裝置輸出的數(shù)字水印信息的誤碼率，輸出所述誤碼率至構(gòu)造模塊；構(gòu)造模塊，用于根據(jù)所述歸一化相關(guān)系數(shù)和所述誤碼率構(gòu)造適應度函數(shù)，輸出所述適應度函數(shù)至第三計算模塊；第三計算模塊，用于根據(jù)所述適應度函數(shù)計算粒子的優(yōu)化值，輸出所述粒子的優(yōu)化值至迭代計數(shù)器；迭代計數(shù)器，用于對粒子優(yōu)化值的計算次數(shù)計數(shù)，輸出所述迭代計數(shù)器的凄t值至判斷纟莫塊；判斷模塊，用于判斷迭代計數(shù)器的數(shù)值是否超過預定值，如果沒有超過預定值，將所述粒子值的優(yōu)化值返回至所述數(shù)字水印嵌入裝置，更新所述數(shù)字水印嵌入裝置中的量化步長協(xié)調(diào)因子；如果超過預定值，將所述粒子的優(yōu)化值作為最終的量化步長協(xié)調(diào)因子。由以上本發(fā)明實施例提供的技術(shù)方案可見，本發(fā)明實施例通過將待嵌入水印的圖像分割成不同的圖形子塊，結(jié)合人類視覺系統(tǒng)的特性，對不同的圖像子塊分別計算體現(xiàn)人類視覺系統(tǒng)掩蔽特性的紋理掩蔽參數(shù)和獲取體現(xiàn)人類視覺系統(tǒng)掩蔽特性的亮度掩蔽參數(shù)，從而根據(jù)亮度掩蔽參數(shù)和紋理掩蔽參數(shù)計算出對應不同圖像子塊的自適應量化步長，根據(jù)不同圖像子塊的特點自適應的嵌入不同強度的數(shù)字水印信息，更好地實現(xiàn)數(shù)字水印方法不可見性和魯棒性的平衡。為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作筒單地介紹，顯而易見地，下面描述中的附圖1是本發(fā)明實施例提供的數(shù)字水印嵌入方法的流程圖；圖2是本發(fā)明實施例提供的數(shù)字水印提取方法的流程圖；圖3是本發(fā)明實施例提供的利用PSO優(yōu)化量化步長協(xié)調(diào)因子的方法流程圖4是本發(fā)明實施例提供的數(shù)字水印嵌入裝置的示意圖；圖5是本發(fā)明實施例提供的數(shù)字水印信息嵌入模塊的示意圖；圖6是本發(fā)明實施例提供的數(shù)字水印提取模塊的示意圖；圖7是本發(fā)明實施例提供的協(xié)調(diào)因子優(yōu)化模塊的示意圖。具體實施例方式本發(fā)明實施例提供數(shù)字水印嵌入、提取和量化步長協(xié)調(diào)因子優(yōu)化的方法及裝置。為了使本
技術(shù)領域：
的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應當屬于本發(fā)明保護的范圍。以下介紹本發(fā)明實施例提供的數(shù)字水印嵌入的一方法實施例，圖1示出了該實施例的流程圖，包括步驟101:將待嵌入數(shù)字水印的圖像7。分割成不相重疊的8x8大小的圖像子塊4，^"…，M,M表示圖像子塊數(shù)；也可以將待嵌入數(shù)字水印的圖像7。分割成不相重疊的4x4或者16x16大小的圖像子塊。步驟102:對所述圖像子塊4進行離散余弦變換DCT,對離散余弦變換后的結(jié)果執(zhí)行奇異值分解SVD,獲取所述圖像子塊對應的分塊奇異值向量；——附"丄2離散余弦變換(DCT,DiscreteCosineTransform):DCT是與傅里葉變換(DFT,DiscreteFourierTransform)相關(guān)的一種變換域變換方法，DCT類似于離散傅里葉變換。DCT有8種標準類型，通常其中的4種是常見的，下面是最常見的一種DCT形式，通常直接被稱為DCT。奇異值分解(SVD,SingularValueDecomposition):從線性代數(shù)角度看，任意一幅數(shù)字圖像都可以看成一個mxn大小的實矩陣，給定一個mxn大小的實矩陣A,其SVD可表示為其中，U和V分別為mxm及nxn大小的正交矩陣，Z'=diagW,^,…,4,0,0,….0)為非負對角矩陣，其對角元素A為矩陣A的奇異值，且滿足不》^,…^A〉0,r為a的秩。A的奇異值特征向量具有良好的穩(wěn)定性，這也是SVD數(shù)字水印方案的數(shù)學基礎。因為SVD具有DCT、離散小波變換等不具備的單向性和非對稱性等優(yōu)點，所以它在數(shù)字圖像處理中有著廣泛的應用。SVD的優(yōu)點為(1)進行SVD的矩陣大小不固定，正方形、矩形都可以；(2)奇異值具有良好的穩(wěn)定性，奇異值的輕微擾動不會影響數(shù)字圖像的視覺質(zhì)量；(3)每個奇異值A決定了一個SVD圖像層的亮度(能量)，同時其對應的兩個奇異向量"'及^決定了圖像的幾何特征。對所述圖像子塊4進行離散余弦變換DCT,將離散余弦變換后的結(jié)果執(zhí)行奇異值分解SVD,得到經(jīng)SVD后的所述圖像子塊對應的分塊奇異值向量，用公式表示為步驟103:根據(jù)所述DCT后的結(jié)果獲取亮度掩蔽參數(shù)和計算紋理掩蔽參17數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算圖像子塊的自適應量化步長；在圖像信息中嵌入數(shù)字水印可以看作在一個強背景下疊加一個弱信號，僅當疊加的信號超過一定強度時，才會被人類視覺系統(tǒng)檢測到。疊加信號的可見性門限受到背景亮度、背景的紋理復雜性、背景和數(shù)字水印的空間頻率等因素影響。背景亮度越高，可見性門限值越高，這種特性稱為亮度掩蔽性，這種亮度掩蔽性可通過亮度掩蔽參數(shù)來表示；背景紋理越復雜,可見性門限值越高，這種特性稱為紋理掩蔽性，這種紋理掩蔽性可通過紋理掩蔽參數(shù)來表示；空間頻率對可見性門限的影響由對比度敏感性函數(shù)描述，稱為頻率掩蔽性。根據(jù)Weber定律和人類視覺系統(tǒng)的亮度掩蔽特性，背景亮度越亮，也就是直流(DC,DirectCurrent)系數(shù)值(代表圖像塊的平均亮度)越大，數(shù)字水印的可見性檢測門限就越高，即可以嵌入更高強度的數(shù)字水印信號。圖像紋理越強，數(shù)字水印的可見性檢測門限就越高，即可以嵌入更高強度的數(shù)字水印信號。根據(jù)圖像的背景亮度和局部紋理復雜性，盡可能提高嵌入數(shù)字水印的強度是提高水印魯棒性的有效辦法。利用圖像的亮度掩蔽特性和紋理掩蔽特性自適應地調(diào)節(jié)數(shù)字水印的嵌入強度，實現(xiàn)數(shù)字水印方法不可見性和魯棒性的平衡。圖像的亮度掩蔽特性反映在圖像的背景亮度上，而圖像的背景亮度在DCT域由離散余弦DC分量表示，可以直接作為圖像亮度的衡量尺度。圖像紋理復雜度在一定程度上由圖像方差表示，方差越大，說明圖像紋理越復雜；反之，則說明圖像紋理越平滑。亮度掩蔽參數(shù)^為M,=，局其中，"'肌。表示圖像子塊4DCT后的DC分量，此處選取的是DCT后的直流分量，就是DCT分解后矩陣的第一個系數(shù)值。計算紋理掩蔽參數(shù)^'"為<formula>formulaseeoriginaldocumentpage19</formula>其中，a是圖像子塊」'DCT后的均值。計算對應圖像子塊的自適應量化步長為其中，《為對應圖像子塊4的量化步長協(xié)調(diào)因子，",的選取可以憑借經(jīng)驗或者反復實驗來確定，也可以是本發(fā)明實施例提供的基于粒子群優(yōu)化算法(PSO,ParticleSwarmOptimization)計算得來的量化步長協(xié)調(diào)因子的優(yōu)化值。步驟104:根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值7V,;計算《=|h|+i,其中&為所述分塊奇異值組成的分塊奇異值向量，hl為分塊奇異值向量的F范數(shù)，對于根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，可以根據(jù)所述圖像子塊的自適應量化步長《和奇異值向量的F范數(shù)加1的值進行量化，量化公式為<formula>formulaseeoriginaldocumentpage19</formula>其中，L」表示向下取整函數(shù)，也可以采用其它的量化公式根據(jù)圖像子塊的自適應量化步長和分塊奇異值向量進^f亍量化。步驟105:根據(jù)所述量化值A^和原始數(shù)字水印信息修訂所述量化值i^，獲取嵌入數(shù)字水印信息的修訂值1;對于根據(jù)所述量化值7V,和原始數(shù)字水印信息修訂所述量化值iV,可以根據(jù)所述量化值iV,的奇偶性和原始數(shù)字水印位信息修訂所述量化值iV,,獲取嵌入數(shù)字水印信息的修訂值l，原始數(shù)字水印信息由原始數(shù)字水印位信息0和1組成。詳細^奮訂7>式如下所示-mod(iV,,2)=l&w,=1mod(7V,,2)=0&見,mod(7V,,2)=0&w,=0其中，w,為對應iV,的數(shù)字水印位信息，通過修訂W,實現(xiàn)數(shù)字水印的嵌入。步驟106:利用所述嵌入數(shù)字水印信息的修訂值A^得到嵌入數(shù)字水印的圖像。所述嵌入數(shù)字水印信息的修訂值7VW經(jīng)過預定處理后得到嵌入數(shù)字水印的圖像，所述預定處理為計算A^、《xA^+^，根據(jù)公式(，...，《)=(0",1，(7,2,...,07,8)><^^^)修改分塊奇異值向量，對修改后分塊奇異值向量進行奇異值反變換，形成含數(shù)字水印信息的圖像子塊4'，最后對嵌入數(shù)字水印信息的圖像子塊4'進行離散余弦反變換；經(jīng)過上述預定處理后，得到嵌入數(shù)字水印的圖像/;。下面這個公式實現(xiàn)的是DCT的逆變換，這種變形通常被稱為離散余弦反變換。12-1，&COS「0一附+—本發(fā)明實施例對不同的圖像子塊，結(jié)合人類視覺系統(tǒng)的掩蔽性，對不同的圖像子塊分別計算紋理掩蔽參數(shù)和從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，從而根據(jù)紋理掩蔽參數(shù)和亮度掩蔽參數(shù)計算出對應不同圖像子塊的自適應量化步長，自適應的嵌入不同強度的數(shù)字水印信息，更好地實現(xiàn)數(shù)字水印方法不可見性和魯棒性的平衡。本發(fā)明實施例在將待嵌入數(shù)字水印的圖像分割成不相重疊的預定大小的圖像子塊之前進一步包括對數(shù)字水印信息執(zhí)行擴展置亂預處理。采用一幅有意義的二值圖像作為數(shù)字水印信息，比采用傳統(tǒng)的偽隨機序列有更高的實用價值。本發(fā)明實施例對二值圖像進行擴展置亂預處理，可以消除數(shù)字水印像素之間的相關(guān)性，增強數(shù)字水印的魯棒性和安全性。數(shù)字圖像置亂是通過對一幅給定圖像按一定變換規(guī)則在位置空間、色彩空間和變換空間將其變換為一幅雜亂無章、毫無意義的圖像，實現(xiàn)對圖像信息加密，是一種常用對數(shù)字水印圖像的預處理方法。常見置亂方法有Arnold變換、幻方變換、分形Hilbert曲線、Tangram算法、IFS才莫型、Conway游戲、Gray碼變換、廣義Gray碼變換等方法。其中，Amold變換因其變換簡單且具有周期性，被廣泛應用于數(shù)字水印中。Arnold變換又稱貓臉變換(catmapping),是Arnold在遍歷理論研究中提出的一種變換。對于大小為NxN的數(shù)字圖像，二維Amold變換定義為<table>tableseeoriginaldocumentpage21</column></row><table>",力是變換前像素坐標，"'，力是置亂后像素坐標。為了拓展Arnold變換密鑰空間，增強系統(tǒng)安全性，本發(fā)明實施例采用擴展Arnold變換置亂數(shù)字水印信息。<formula>formulaseeoriginaldocumentpage21</formula>以矩陣"""12(矩陣中的數(shù)值可以隨意設置，等價于設置了密鑰)、矩陣迭代次數(shù)n和置亂變換次數(shù)作為圖像置亂的密鑰Kl，擴展置亂密鑰空間。同時，置亂后數(shù)字水印圖像像素間關(guān)聯(lián)關(guān)系被打亂，圖像像素均勻地分布到整個圖像空間中，實現(xiàn)數(shù)字水印嵌入時提高了數(shù)字水印方法的魯棒性。下面的數(shù)字水印提取方法為對經(jīng)過上面的數(shù)字水印嵌入方法處理的嵌入數(shù)字水印的圖像進行的數(shù)字水印提取。圖2為本發(fā)明實施例提供的數(shù)字水印提取的一方法實施例，圖2示出了該實施例的流程圖，包括步驟201:將嵌入數(shù)字水印的圖像/;分割成不相重疊的8x8大小的圖像子塊4"，/=l,2,...,ikT，M表示圖像子塊數(shù)；如果嵌入數(shù)字水印時將待嵌入數(shù)字水印的圖像/。分割成不相重疊的4x4或者16x16大小的圖像子塊，步驟201相應為將嵌入數(shù)字水印的圖像/;分割成不相重疊的4x4或者16x16大小的圖像子塊。步驟202:對所述圖像子塊執(zhí)行離散余弦變換DCT，將離散余弦變換后的結(jié)果執(zhí)行奇異值分解SVD，獲得所述圖像子塊對應的分塊奇異值向量；步驟203:根據(jù)所述DCT后的結(jié)果獲取亮度掩蔽參數(shù)和計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算圖像子塊的自適應量化步長；所述步驟203與步驟103中計算圖像子塊的自適應量化步長的方法是一樣的，在此不做過多介紹。步驟204:根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值iV,';計算《+其中是由分塊奇異值組成的分塊奇異值向量，根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化可以為根據(jù)圖像子塊對應的自適應量化步長《對分塊奇異值向量的F范數(shù)加1的值進行量化，量化公式為乂二L乂V《」('、1,2，…M)其中，自適應量化步長的確定方法同嵌入數(shù)字水印信息時自適應量化步長的確定方法一致，也是結(jié)合人類視覺系統(tǒng)的掩蔽性，通過計算亮度掩蔽參數(shù)和紋理掩蔽參數(shù)，從而根據(jù)亮度掩蔽參數(shù)和紋理掩蔽參數(shù)計算出對應不同圖像子塊的自適應量化步長。也可以采用其它的量化公式根據(jù)圖像子塊的自適應量化步長和分塊奇異值向量進行量化，在此不做過多介紹。步驟205:根據(jù)所述量化值7V;提取數(shù)字水印位信息，獲取數(shù)字水印信息。根據(jù)所述量化值iv,:提取數(shù)字水印位信息可以為根據(jù)所述量化值的奇偶性22提取數(shù)字水印位信息，獲取數(shù)字水印信息，,—丁lz/mod(iV,',2)=0w'一ioe/wmod(7V;,2)=l其中，w,為數(shù)字水印位信息，如果W,'為偶數(shù)，數(shù)字水印位信息為1,如果7V,'為奇數(shù),數(shù)字水印為信息為0,由所述的數(shù)字水印位信息組成數(shù)字水印信息。如果數(shù)字水印嵌入方法中對原始數(shù)字水印信息執(zhí)行了擴展置亂預處理，數(shù)字水印信息提取時步驟205為根據(jù)量化值提取數(shù)字水印位，執(zhí)行反擴展置亂預處理，獲取數(shù)字水印信息。如果嵌入數(shù)字水印時執(zhí)行的是采用Arnold變換置亂數(shù)字水印信息，此處的反擴展置亂預處理為采用反Arnold變換擴展置亂預處理。數(shù)字水印提取是數(shù)字水印嵌入的逆過程，本發(fā)明實施例使用量化步長(量化索引調(diào)制方法中的一種)，在執(zhí)行數(shù)字水印提取中不需要待嵌入數(shù)字水印的圖像/。，而是直接對嵌入數(shù)字水印的圖像進行處理，實現(xiàn)數(shù)字水印信息的盲提取，使得應用范圍更廣，更安全。對于本發(fā)明實施例自適應量化步長的確定中的量化步長協(xié)調(diào)因子，憑借經(jīng)驗或者反復實驗來確定的量化步長協(xié)調(diào)因子可以實現(xiàn)本發(fā)明的實施例，但是自適應性不是很強。為了進一步利用圖像特性自適應地嵌入水印，本發(fā)明實施例利用基于粒子群優(yōu)化算法來自動選擇和優(yōu)化量化步長協(xié)調(diào)因子。根據(jù)PSO原理，粒子群中的每個粒子都表示對問題的一個可能解決方案。粒子通過疊代，根據(jù)獲取的速度和位置找到最優(yōu)解。在每一次疊代中，粒子通過更新兩個極值來更新自身。第一個就是粒子本身找到的最優(yōu)解，這個解叫做體極值；另一個極值就是整個種群目前找到的最優(yōu)解，這個解叫做全局極值。另外也可以不用整個種群而只是用其中一部分作為粒子的鄰居，那么在所有鄰居中的極值就是局部極值。在找到這兩個極值時，粒子根據(jù)下面的公式更新自己的速度和新的位置。K=+ci《(_Z,)+c2;;(/6Wg-)其中，^是粒子的速度，《是當前粒子的位置。W^'和^氣分別為體極值和全局極值，W,為慣性權(quán)重，V,為粒子當前的速度，《和"是介于(O，1)之間的隨機數(shù).Cl,C2分別是認知因子和社會因子。圖3為本發(fā)明實施例提供的利用PSO優(yōu)化量化步長協(xié)調(diào)因子的一方法流程圖，如圖3所示，包括步驟301:定義粒子群；粒子群的大小、粒子的維數(shù)、認知因子、社會因子和慣性權(quán)重函數(shù)是粒子群的基本參數(shù)；根據(jù)PSO原理，粒子群中的每個粒子在群里表示對問題的一個可能解決方案，因此我們利用每個分塊對應的量化步長協(xié)調(diào)因子構(gòu)造一個多維的粒子群。步驟302:隨機初始化粒子群；PSO初始化為一群隨機粒子(隨機解)，初始化粒子的位置和速度。步驟303:生成嵌入數(shù)字水印的圖像；根據(jù)圖1所示的數(shù)字水印嵌入方法流程生成嵌入數(shù)字水印的圖像，其中最初的量化步長協(xié)調(diào)因子為隨^4刀始化的量化步長協(xié)調(diào)因子。步驟304:計算嵌入數(shù)字水印的圖像和待嵌入數(shù)字水印的圖像之間的歸一相關(guān)系數(shù)；嵌入數(shù)字水印的圖像和待嵌入數(shù)字水印的圖像之間的歸一相關(guān)系數(shù)iVC(/;,/。)可以用來衡量數(shù)字水印的不可見性。步驟305:對所述嵌入數(shù)字水印的圖像進行圖像攻擊，從所述經(jīng)過圖像攻擊的嵌入數(shù)字水印圖像中提取出數(shù)字水印信息；根據(jù)圖2所示的數(shù)字水印提取方法流程提取出所述經(jīng)過圖像攻擊的數(shù)字水印信息。步驟306:計算所述提取出的數(shù)字水印信息和原始數(shù)字水印信息的誤碼率；提取出的數(shù)字水印信息和原始數(shù)字水印信息的誤碼率5￡i(《，『)可以用來衡量水印的魯棒性。步驟307:根據(jù)所述歸一化相關(guān)系數(shù)和所述誤碼率構(gòu)造適應度函數(shù)；適應度函數(shù)的構(gòu)造需要考慮數(shù)字水印的不可見性和魯棒性，根據(jù)所述歸一化相關(guān)系數(shù)和所述誤碼率構(gòu)造適應度函數(shù)為<formula>formulaseeoriginaldocumentpage25</formula>其中，m表示數(shù)字水印攻擊方法的數(shù)目，A是不同攻擊權(quán)重。在PSO優(yōu)化過程中，利用此公式，可以方便的增加或者減少數(shù)字水印攻擊的種類和方法。步驟308:根據(jù)適應度函數(shù)計算粒子的優(yōu)化值，迭代計數(shù)器計數(shù)；步驟309:判斷迭代計數(shù)器的數(shù)值是否超過預定值，如果沒有超過預定值，將所述粒子值的優(yōu)化值返回至步驟303，更新執(zhí)行水印嵌入時的量化步長協(xié)調(diào)因子；如果超過預定值，將粒子的優(yōu)化值作為最終的量化步長協(xié)調(diào)因子。其中，所述預定值為迭代次數(shù)。PSO中迭代次數(shù)為10-20次，這里迭代次數(shù)一般由反復實驗和參考有關(guān)文獻決定。通過采用PSO多次迭代來不斷獲取量化步長的協(xié)調(diào)因子的最優(yōu)值，從而獲得最優(yōu)的自適應量化步長的最優(yōu)值，使得數(shù)字水印方法的自適應性更好，能更好的實現(xiàn)數(shù)字水印不可見性和魯棒性的平衡。除了上面所述基于PSO實現(xiàn)量化步長的協(xié)調(diào)因子的優(yōu)化的實施例之外還有其它的基于PSO方法的實施例也能實現(xiàn)量化步長的協(xié)調(diào)因子的優(yōu)化，在此不做過多介紹?；谏鲜鰯?shù)字水印的嵌入方法，釆用相同原理，結(jié)合人類聽覺系統(tǒng)特性，可以實現(xiàn)對數(shù)字音頻信息的數(shù)字水印的嵌入，實現(xiàn)數(shù)字音頻信息的數(shù)字水印不可見性和魯棒性的平衡。圖4為本發(fā)明實施例提供的一數(shù)字水印嵌入裝置示意圖，如圖4所示，數(shù)字水印嵌入裝置包括分割模塊，用于將待嵌入數(shù)字水印的圖像分割成不相重疊的預定大小的圖像子塊；離散余弦變換模塊，用于對所述圖像子塊執(zhí)行離散余弦變換DCT;奇異值分解模塊，用于將所述DCT后的結(jié)果執(zhí)行奇異值分解SVD，獲得經(jīng)過SVD后的所述圖^^子塊對應的分塊奇異值向量；自適應量化步長計算模塊，用于從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；數(shù)字水印信息嵌入模塊，用于根據(jù)圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值，根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的修訂值，對所述嵌入數(shù)字水印信息的修訂值執(zhí)行預定處理，得到嵌入數(shù)字水印的圖像。所述根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化可以為根據(jù)所述圖像子塊的自適應量化步長對分塊奇異值的F范數(shù)加1的值進行量化。所述根據(jù)所述量化值和原始數(shù)字水印信息進行修訂可以為根據(jù)所述量化值的奇偶性和原始數(shù)字水印位信息進行修訂。本發(fā)明實施例提供的裝置進一步包括預處理模塊，用于對原始數(shù)字水印信息執(zhí)行擴展置亂預處理，輸出經(jīng)過擴展置亂預處理的原始數(shù)字水印信息至數(shù)字水印信息的嵌入模塊。圖5為本發(fā)明實施例提供的數(shù)字水印信息嵌入模塊的示意圖，如圖5所示，所述數(shù)字水印信息嵌入模塊包括量化模塊，用于根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值，輸出量化值至修訂才莫塊；所述根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化可以為根據(jù)所述圖像子塊的自適應量化步長對分塊奇異值的F范數(shù)加1的值進行量化。修訂模塊，用于根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌26入數(shù)字水印信息的修訂值，輸出嵌入數(shù)字水印信息的修訂值至獲取模塊；所述根據(jù)所述量化值和原始數(shù)字水印信息進行修訂可以為根據(jù)所述量化值的奇偶性和原始數(shù)字水印位信息進行修訂。獲取模塊，用于利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。圖6為本發(fā)明實施例提供的數(shù)字水印提取裝置的示意圖，如圖6所示所述數(shù)字水印提取裝置包括分割模塊，用于將待嵌入數(shù)字水印的圖像分割成不相重疊的預定大小的圖像子塊；離散余弦變換模塊，用于對所述圖像子塊執(zhí)行離散余弦變換DCT;奇異值分解模塊，用于將所述DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖^^子塊對應的分塊奇異值向量；自適應量化步長計算模塊，用于從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；量化模塊，用于根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值進行量化，獲取量化值；所述根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化可以為根據(jù)所述圖像子塊的自適應量化步長對分塊奇異值的F范數(shù)加1的值進行量化。提取模塊，用于根據(jù)所述量化值提取數(shù)字水印位信息，獲取數(shù)字水印信自所述根據(jù)所述量化值提取數(shù)字水印位信息可以為根據(jù)所述量化值的奇偶性提取數(shù)字水印位信息。圖7為本發(fā)明實施例提供的量化步長協(xié)調(diào)因子優(yōu)化裝置的示意圖，圖7中實線框中的模塊為量化步長協(xié)調(diào)因子優(yōu)化裝置的模塊，虛線框為數(shù)字水印嵌入裝置和數(shù)字水印提:f又裝置，如圖7所示所述量化步長協(xié)調(diào)因子優(yōu)化裝置包括定義模塊，用于定義粒子群，所述粒子群中的粒子為量化步長協(xié)調(diào)因子，輸出所述粒子群至初始化^^莫塊；初始化才莫塊，用于隨機初始化所述粒子群，所述初始化后的粒子輸出至所述數(shù)字水印嵌入裝置；第一計算模塊，用于計算所述嵌入數(shù)字水印的圖像和待嵌入數(shù)字水印的圖像的歸一相關(guān)系數(shù)，輸出所述歸一相關(guān)系數(shù)至構(gòu)造模塊，其中所述嵌入數(shù)字水印的圖像為經(jīng)過所述數(shù)字水印嵌入裝置處理后得到的嵌入數(shù)字水印的圖像；處理模塊，用于對所述嵌入數(shù)字水印的圖像進行圖像攻擊，輸出所述經(jīng)過圖像攻擊的嵌入數(shù)字水印的圖像至所述數(shù)字水印提取裝置；第二計算模塊，用于計算原始數(shù)字水印信息和所述提取出的經(jīng)過圖像攻擊的數(shù)字水印信息之間的誤碼率，輸出所述誤碼率至構(gòu)造模塊，其中所述提取出的經(jīng)過圖像攻擊的數(shù)字水印信息為經(jīng)過所述數(shù)字水印提取裝置處理后得到的數(shù)字水印信息；構(gòu)造模塊，用于根據(jù)所述歸一化相關(guān)系數(shù)和所述誤碼率構(gòu)造適應度函數(shù)，輸出所述適應度函數(shù)至第三計算模塊；第三計算模塊，用于根據(jù)所述適應度函數(shù)計算粒子的優(yōu)化值，輸出所述粒子的優(yōu)化值至迭代計數(shù)器；迭代計數(shù)器，用于對粒子優(yōu)化值的計算次數(shù)計數(shù)，輸出所述迭代計數(shù)器的數(shù)值至判斷模塊；判斷模塊，用于判斷迭代計數(shù)器的數(shù)值是否超過預定值，如果沒有超過預定值，將所述粒子值的優(yōu)化值返回至數(shù)字水印嵌入裝置，更新數(shù)字水印嵌入裝置中的量化步長協(xié)調(diào)因子；如果超過預定值，將粒子的優(yōu)化值作為最終的量化步長協(xié)調(diào)因子。28通過以上的實施方式的描述可知，本領域的技術(shù)人員可以清楚地了解到本發(fā)明可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)。基于這樣的理解，本發(fā)式體現(xiàn)出來，該計算機軟件產(chǎn)品可以存儲在存儲介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，以上所述的本發(fā)明實施方式，并不構(gòu)成對本發(fā)明保護范圍的限定。任何在本發(fā)明的精神和原則之內(nèi)所作的修改、等同替換和改進等，均應包含在本發(fā)明的權(quán)利要求保護范圍之內(nèi)。29權(quán)利要求1、一種數(shù)字水印嵌入方法，其特征在于，包括將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT，將DCT后的結(jié)果執(zhí)行奇異值分解SVD，獲取經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的修訂值；利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。2、根據(jù)權(quán)利要求l所述的方法，其特征在于，所述將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊之前進一步包括對原始數(shù)字水印信息執(zhí)行擴展置亂預處理。3、根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對原始數(shù)字水印信息執(zhí)行擴展置亂預處理包括對原始數(shù)字水印信息采用Arnold變換擴展置亂預處理。4、根據(jù)權(quán)利要求l-3任一項所述的方法，其特征在于，所述根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化包括根據(jù)所述圖像子塊的自適應量化步長和奇異值向量的F范數(shù)加1的值進行量化。5、根據(jù)權(quán)利要求l-3任一項所述的方法，其特征在于，所述根據(jù)所述量化值和數(shù)字水印信息進行修訂包括根據(jù)所述量化值的奇偶性和原始數(shù)字水印位信息修訂所述量化值。6、一種數(shù)字水印提取方法，其特征在于，包括將嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT，將DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；根據(jù)量化值提取數(shù)字水印位信息，獲取數(shù)字水印信息。7、根據(jù)權(quán)利要求6所述的方法，其特征在于，如果所述嵌入數(shù)字水印的圖像中的原始數(shù)字水印信息執(zhí)行了擴展置亂預處理，所述根據(jù)量化值提取數(shù)字水印位信息之后進一步包括對所述數(shù)字水印位信息執(zhí)行反擴展置亂預處理。8、根據(jù)權(quán)利要求7所述的方法，其特征在于，對所述數(shù)字水印位信息執(zhí)行反擴展置亂預處理包括對數(shù)字水印信息采用Arnold變換反擴展置亂預處理。9、根據(jù)權(quán)利要求6-8任一項所述的方法，其特征在于，所述根據(jù)圖像子塊的自適應量化步長和分塊奇異值向量進行量化包括根據(jù)所述圖像子塊的自適應量化步長和奇異值向量的F范數(shù)力口1的值進行量化。10、根據(jù)權(quán)利要求6-8任一項所述的方法，其特征在于，所述根據(jù)量化值提取數(shù)字水印位信息包括根據(jù)所述量化值的奇偶性提取數(shù)字水印位信息。11、一種量化步長協(xié)調(diào)因子優(yōu)化方法，其特征在于，包括定義并隨機初始化粒子群，所述粒子群中的粒子為量化步長協(xié)調(diào)因子；根據(jù)隨機初始化后的量化步長協(xié)調(diào)因子生成嵌入數(shù)字水印的圖像，包括將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT,將DCT后的結(jié)果執(zhí)行奇異值分解SVD，獲取經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)所述量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；才艮據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的修訂值；利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像；計算所述嵌入數(shù)字水印的圖像和待嵌入數(shù)字水印的圖像的歸一相關(guān)系數(shù)；對所述嵌入數(shù)字水印的圖像進行圖像攻擊；提取經(jīng)過圖像攻擊的數(shù)字水印信息，包括將嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對所述圖像子塊執(zhí)行離散余弦變換DCT，將DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖像子塊的分塊奇異值向量；從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；4根據(jù)量化值提取數(shù)字水印位信息，獲取數(shù)字水印信息；計算所述原始數(shù)字水印信息和所述提取的經(jīng)過圖像攻擊的數(shù)字水印信息之間的誤碼率；根據(jù)所述歸一化相關(guān)系數(shù)和所述誤碼率構(gòu)造適應度函數(shù)；根據(jù)適應度函數(shù)計算粒子的優(yōu)化值，迭代計數(shù)器計數(shù)，判斷迭代計數(shù)器的數(shù)值是否超過預定值，如果沒有超過預定值，將所述粒子的優(yōu)化值返回至所述數(shù)字水印嵌入方法，更新所述數(shù)字水印嵌入方法中的量化步長協(xié)調(diào)因子；如果超過預定值，將所述粒子的優(yōu)化值作為最終的量化步長協(xié)調(diào)因子。12、一種數(shù)字水印嵌入裝置，其特征在于，包括分割模塊，用于將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；離散余弦變換模塊，用于對所述圖像子塊執(zhí)行離散余弦變換DCT;奇異值分解模塊,用于將所述DCT后的結(jié)果執(zhí)行奇異值分解SVD,獲得經(jīng)過SVD后的所述圖像子塊對應的分塊奇異值向量；自適應量化步長計算模塊，用于從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；數(shù)字水印信息嵌入模塊，用于根據(jù)圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值，根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的修訂值，利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。13、根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述數(shù)字水印信息嵌入模塊包括量化模塊，用于根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值，輸出量化值至修訂模塊；修訂模塊，根據(jù)所述量化值和原始數(shù)字水印信息進行修訂，獲取嵌入數(shù)字水印信息的修訂值，輸出嵌入數(shù)字水印信息的修訂值至獲取模塊；獲取模塊，用于利用所述嵌入數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。14、根據(jù)權(quán)利要求12或13所述的裝置，其特征在于，所述裝置進一步包括預處理模塊，用于對原始數(shù)字水印信息執(zhí)行擴展置亂預處理，輸出經(jīng)過擴展置亂預處理后的原始數(shù)字水印信息至數(shù)字水印信息的嵌入模塊。15、一種數(shù)字水印提取裝置，其特征在于，包括分割模塊，用于將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；離散余弦變換模塊，用于對所述圖像子塊執(zhí)行離散余弦變換DCT;奇異值分解模塊，用于將所述DCT后的結(jié)果執(zhí)行奇異值分解SVD，獲得經(jīng)過SVD后的所述圖像子塊對應的分塊奇異值向量；自適應量化步長計算模塊，用于從DCT后的結(jié)果中獲取亮度掩蔽參數(shù)，根據(jù)DCT后的結(jié)果計算紋理掩蔽參數(shù)，根據(jù)對應圖像子塊的量化步長協(xié)調(diào)因子和所述亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算所述圖像子塊的自適應量化步長；量化模塊，用于根據(jù)所述圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；提取模塊，用于根據(jù)所述量化值提取數(shù)字水印位，獲取數(shù)字水印信息。16、一種包括權(quán)利要求6和9中所述裝置的量化步長協(xié)調(diào)因子優(yōu)化裝置，其特征在于，進一步包括定義模塊，用于定義粒子群，所述粒子群中的粒子為量化步長協(xié)調(diào)因子，輸出所述粒子群至初始化模塊；初始化模塊，用于隨機初始化所述粒子群，輸出所述隨機初始化后的粒子至數(shù)字水印嵌入裝置；第一計算模塊，用于計算待嵌入數(shù)字水印的圖像和所述數(shù)字水印嵌入裝置輸出的嵌入數(shù)字水印的圖像的歸一相關(guān)系數(shù)，輸出所述歸一相關(guān)系數(shù)至構(gòu)造模塊；處理模塊，用于對所述數(shù)字水印嵌入裝置輸出的嵌入數(shù)字水印的圖像進行圖像攻擊，輸出所述經(jīng)過圖像攻擊的嵌入數(shù)字水印的圖像至數(shù)字水印提取裝置；第二計算模塊，用于計算所述原始數(shù)字水印信息和所述數(shù)字水印提取裝置輸出的數(shù)字水印信息的誤碼率，輸出所述誤碼率至構(gòu)造模塊；構(gòu)造模塊，用于根據(jù)所述歸一化相關(guān)系數(shù)和所述誤碼率構(gòu)造適應度函數(shù)，輸出所述適應度函數(shù)至第三計算模塊；第三計算模塊，用于根據(jù)所述適應度函數(shù)計算粒子的優(yōu)化值，輸出所述粒子的優(yōu)化值至迭代計數(shù)器；迭代計數(shù)器，用于對粒子優(yōu)化值的計算次數(shù)計數(shù)，輸出所述迭代計數(shù)器的數(shù)值至判斷模塊；判斷模塊，用于判斷迭代計數(shù)器的數(shù)值是否超過預定值，如果沒有超過預定值，將所述粒子值的優(yōu)化值返回至所述數(shù)字水印嵌入裝置，更新所述數(shù)字水印嵌入裝置中的量化步長協(xié)調(diào)因子；如果超過預定值，將所述粒子的優(yōu)化值作為最終的量化步長協(xié)調(diào)因子。全文摘要數(shù)字水印嵌入、提取和量化步長協(xié)調(diào)因子優(yōu)化方法及裝置。一種數(shù)字水印的嵌入方法實施例，包括將待嵌入數(shù)字水印的圖像分割成預定大小的圖像子塊；對圖像子塊執(zhí)行DCT，將DCT后的結(jié)果執(zhí)行SVD，獲取SVD后的圖像子塊的分塊奇異值向量；計算紋理掩蔽參數(shù)，獲取亮度掩蔽參數(shù)，根據(jù)圖像子塊的量化步長協(xié)調(diào)因子和亮度掩蔽參數(shù)、紋理掩蔽參數(shù)計算圖像子塊的自適應量化步長；根據(jù)圖像子塊的自適應量化步長和分塊奇異值向量進行量化，獲取量化值；根據(jù)量化值和數(shù)字水印信息進行修訂，獲取含有數(shù)字水印信息的修訂值；利用含有數(shù)字水印信息的修訂值得到嵌入數(shù)字水印的圖像。本發(fā)明實施例實現(xiàn)數(shù)字水印方法的不可見性和魯棒性的平衡。文檔編號G06T1/00GK101493928SQ200910078038公開日2009年7月29日申請日期2009年2月10日優(yōu)先權(quán)日2009年2月10日發(fā)明者劉冬梅,劉建明,朱少敏申請人:國網(wǎng)信息通信有限公司