CN101004831A - 基于数字图像变换域系数统计模型的水印嵌入及提取方法 - Google Patents

Abstract

本发明属于信息隐藏和数字水印技术领域，具体涉及一种基于数字图像变换域系数统计模型的数字水印嵌入及提取方法。现有的关于数字图像水印算法的研究主要是针对计算机网络中的数字作品，大多数算法并不能抵抗打印扫描攻击。本发明所述的方法通过改变图像分块DCT变换的交流系数的分布使其期望值为正或者为负，图像在经过打印扫描之后这一性质还可以保留下来，从而可以成功地实现数字水印在打印扫描前后的嵌入和提取。采用本发明所述的方法，可以抵抗打印扫描攻击，图像在经过D－A和A－D两次转换之后仍旧可以成功从中提取所嵌入的水印信息。

Description

基于数字图像变换域系数统计模型的水印嵌入及提取方法

技术领域

本发明属于信息隐藏和数字水印技术领域，具体涉及一种基于统计模型的数字水印方法，尤其涉及一种基于数字图像变换域系数统计模型的数字水印嵌入及提取方法。

背景技术

数字化网络技术的飞速发展对多媒体的版权保护与内容鉴别提出了新的更高的要求，数字水印技术就是应这种要求而逐步发展起来的。所谓数字水印(Digital Watermarking)就是利用人类视觉或者听觉的不敏感性往多媒体数据(如图像、音频、视频等数字信号)中添加某些冗余信息以达到信息隐藏的目的，从而可以对著作权声明、许可使用条件等进行知识产权保护。发展数字水印技术的原动力是为多媒体数据提供版权保护，但事实上数字水印在电子数据的真伪鉴别、数字产品的隐含标注以及网络的秘密通信中也有非常重要的应用。

同时大量图像还以印刷形式存在，如商标、产品包装、书刊、证书、护照等等，当然还有以印刷形式存在的文档版权保护。打印和扫描已成为目前图像进行复制和传播的普遍方式。随着数字化技术的迅猛发展，将图像在电子数字格式和打印格式之间进行转换变得非常容易，因此设计并实现基于印刷品的数字水印的嵌入和提取算法是必要的。目前关于数字图像水印算法的研究方兴未艾并且取得了很多的成果，但这些算法主要是针对计算机网络中的数字作品，大多数算法并不能抵抗打印扫描攻击。这是由于经过打印扫描过程，即D-A(数字信号-模拟信号)和A-D(模拟信号-数字信号)两次转换之后的图像虽然看上去和原图很相似，但实际上图像的像素值发生了很大的变化。这就要求数字水印算法具有非常强的鲁棒性，才能抵抗两次格式转换。因此，寻找在打印和扫描过程中不变的数字特征，设计具有非常强的鲁棒性算法，成为数字水印技术的一个研究难点。

数字水印按嵌入方法可以分为空间域水印和变换域水印。空间域方法通过改变载体信息的空间域特性来隐藏水印；变换域方法通过改变数据变换域的一些系数来隐藏水印。在空间域嵌入水印的两个典型算法是最低有效位算法(LSB：least significant bits)和Patchwork算法。LSB算法是R.van Schyndel等人在论文″A Digital Watermark″(R.van Schyndel，A.Z.Tirkel，C.F.Osborne，1st IEEE International Conference on Image Processing，Austin Texas USA，1994，Vol.II，pp.86-90)中提出的，在这篇论文中作者们提出将水印信息按像素点逐一插入到原始图像像素值的最低位，这可以保证嵌入的水印是不可见的。但这种算法的鲁棒性差，水印信息很容易被低通滤波或者有损压缩等基本的图像操作所破坏。Patchwork算法是W.Bender等人在论文″Techniques for DataHiding″(W.Bender，D.Gruhl，N.Morimoto，A.Lu，IBM Systems Journal，1996，35(3&4)：313-336)中提出的一种基于改变图像数据统计特性的水印算法。该算法首先随机选择数目相同的两个像素点集合A和B，然后增大集合A中每个像素点的像素值，同时减少集合B中每个像素点的像素值；水印检测时可以将集合A中点的平均像素值和集合B中点的平均像素值相比较，若前者较大则认为水印存在。Patchwork算法对有损压缩、滤波以及图像裁剪有一定的抵抗力，但该方法的水印嵌入容量有限，只能嵌入一个比特的信息。

基于变换域的水印算法可以嵌入大量比特数据而不会导致视觉上的可察觉性，这类算法往往采取类似扩频的技术来隐藏数字水印信息。这类技术一般基于常用的图像变换，比如说基于分块图像的正交变换，包括离散余弦变换(DCT：Discrete Cosine Transform)、离散小波变换(DWT：Discrete WaveletTransform)、离散傅里叶变换(DFT：Discrete Fourier Transform)以及哈达马变换(Hadamard transform)等等。其中最具典型意义的一个算法是I.J.Cox等人在论文″Secure Spread Spectrum Watermarking for Multimedia″(I.J.Cox，J.Kilian，T.Leighton and T.Shamoon，IEEE Trans.on Image Processing，6，12，1673-1687，1997)中提出的基于DCT变换的扩频水印算法，该算法将水印序列(该序列是符合正态分布的随机序列)按照加性原则或者乘性原则嵌入到图像整体DCT变换的除直流分量外的若干个最大的变换系数中去，水印检测时利用原图像并根据水印嵌入方法在获取的图像中提取出一个水印序列，然后计算提取出的水印序列和真实的水印信息的相关度并利用阈值来判断图像中是否含有水印。该算法实现简单并具有较强的鲁棒性，可以抵抗一般的图像处理操作，但该算法在水印检测时需要原图像参与从而不是一种盲的水印算法。从此之后的数字水印算法大都基于变换域的扩频技术。

通过对以上现有方法的研究发现，对于打印扫描之后的图像，其单点的像素值产生了很大的变化，算法本身并不能对打印扫描之后的图像正确提取水印。所以解决此问题的根本就是寻找一种特征，该特征在经历了打印扫描过程之后还可以很好地保留，通过对它的修改并造成一种可以识别的模式来隐藏水印信息；同时为了实际应用的需要，水印算法应该要做到盲提取。上述的数字水印方法均不能完全满足这两点要求。

发明内容

本发明的目的是针对现有技术的缺陷，提出一种基于图像变换域系数统计模型的数字水印嵌入及提取的新方法，这种新的水印算法具有高鲁棒性，可以抵抗打印扫描攻击。图像在经过D-A和A-D两次转换之后仍旧可以采用本发明所述的方法从中提取所嵌入的水印信息。

为达到以上目的，一种在数字图像中嵌入水印的方法，包括以下步骤：

(1)将数字图像分块并对每个图像块做二维DCT变换；

(2)根据要嵌入的水印信息生成水印信号；

(3)根据由步骤(2)得到的水印信号的长度，将图像块DCT变换域的中低频段系数进行分组；

(4)分析每个图像块的信息复杂度和明暗程度，计算每个图像块DCT变换域中低频信道的水印嵌入强度；

(5)选取整体水印强度，并根据由步骤(4)所述的每个信道的水印强度，通过改变由步骤(3)得到的每个信道分组中的DCT系数的期望值来嵌入水印信号；

(6)将经过上述步骤的所有图像块分别进行二维DCT逆变换便得到嵌入水印的图像。

较佳地，步骤(2)中，所述水印信号是进行纠错编码后得到的待嵌入的水印位流串。

进一步，所述的水印位流串是通过对水印信号进行BCH(Bose，Ray-Chaudhuri，Hocquenghem)纠错编码的方式生成。

较佳地，步骤(2)中所述的水印位流串的长度和(3)中所述图像块DCT变换域中低频段系数分组的个数相同。

进一步，所述的每个中低频段系数分组中信道的个数相同或者尽可能地相同。

较佳地，步骤(4)中，所述的每个图像块的信息复杂度为图像块的信息熵e^k，信息熵e^k是通过如下基于灰度值量化的公式计算得出：

$e^k={\mathrm{\Σ}}_{i=0}^{15}{P}_i^k\log P_i^k,---\left(\mathrm{EQ}1\right)$

$P_i^k=\frac{1}{N^2}\#\{(n,m):0\&le;n,m\&le;N-1;16i\&le;x_{n,m}^k<16(i+1)\}$

其中，每个图像块的大小为N×N，x_n，m ^k表示图像的灰度值，k是图像块的标号，(n，m)是图像块内位置的标号；

较佳地，步骤(4)中，所述的每个图像块的明暗程度f^k是通过如下的公式计算得出：

$f^k=\left\{\begin{array}{ccc}\frac{{\stackrel{\&OverBar;}{x}}^k-(255-T^{+})}{T^{+}}& \mathrm{if}& {\stackrel{\&OverBar;}{x}}^k>255-T^{+}\\ \frac{T^{-}-{\stackrel{\&OverBar;}{x}}^k}{T^{-}}& \mathrm{if}& {\stackrel{\&OverBar;}{x}}^k<T^{-}\\ 0& \mathrm{if}& T^{-}\&le;{\stackrel{\&OverBar;}{x}}^k\&le;255-T^{+}\end{array}\right.---\left(\mathrm{EQ}2\right){}^{}$

其中， 表示标号为k的图像块的平均灰度值，T⁺和T^-是预先设定好的两个阈值，实践经验表明我们可以取T⁺＝T^-＝50；

较佳地，步骤(4)中所述的每个图像块DCT变换的每个信道的水印嵌入强度，是通过每个图像块的信息熵e^k和明暗程度f^k按照下面的公式计算得到：

$a_{u,v}^k=(1-e^k)(1+f^k)\frac{\sqrt{u+1}\sqrt{v+1}}{(u+1)+(v+1)}---\left(\mathrm{EQ}3\right)$

较佳地，步骤(5)中所述的水印嵌入过程，根据选取的整体水印强度和由(4)得到的每个信道的水印强度使用加性水印嵌入方式修改每个信道分组中的系数的期望值。

较佳地，步骤(5)中所述的水印嵌入过程，当该分组中嵌入水印信号为1时，则增大该分组中的每个系数使该分组的系数期望值为正；否则当该分组中嵌入水印信号为0时，则减小该分组中的每个系数使该分组的系数期望值为负。

一种从数字图像中提取水印信息的方法，包括以下步骤：

(1)获取数字图像并对其分块然后对每个图像块进行二维DCT变换；

(2)计算每个信道分组中系数的期望值或者说求出该信道分组中所有系数的和，若期望值为正则认为与该分组相对应的水印信号为1，否则认为与该分组相对应的水印信号为0；

(3)对上述得到的二进制字符串解码得到水印信息。

本发明的效果在于：采用本发明所述的方法，可以成功地实现数字水印在打印扫描前后的嵌入和提取；同时该方法可以嵌入的信息量较大；另外还可以抵抗一般的图像处理操作和高强度的噪音攻击；并且水印提取时不需要原始图像参与也不需要进行水印参数估计。因此，本方法是一种高鲁棒性的盲水印算法，具有广泛商业应用前景。

我们知道，自然图像分块DCT变换固定频率的系数分布是关于原点对称的，从而其期望值为0。图像的打印扫描过程相当于图像在空域叠加了独立同分布的噪音，于是在经历了打印扫描过程之后图像分块DCT变换的交流系数仍旧遵循某种关于原点对称的分布，从而其交流系数的期望值仍旧为0。在本发明中，人为地改变了图像分块DCT变换的交流系数的分布使其期望值为正或者为负，图像在经过打印扫描之后这一性质还可以保留下来，从而可以成功地实现数字水印在打印扫描前后的嵌入和提取。

附图说明

图1A是在数字图像中嵌入水印的流程图；

图1B是在数字图像中提取水印的流程图；

图2是尺寸为512×512的‘Lena’灰度图像示意图，图像大小为257KB；

图3是二维DCT变换域的中低频段示意图，阴影部分是用于嵌入水印的信道；

图4是使用本方法嵌入了长度为127bits水印信息的‘Lena’图像示意图，其中PSNR＝39.17dB，整体水印强度a＝4，使用的BCH纠错编码是(127，78，7)；

图5是对嵌入水印后的图像加了高斯噪音和盐椒噪音所得到的图像的示意图；

图6是对嵌入水印后的图像裁剪四分之一得到的图像示意图；

图7是对嵌入水印后的图像作低通滤波得到的图像示意图；

图8是对嵌入水印后的图像作JPEG压缩得到的图像，其中JPEG压缩质量为20％，压缩后的图像大小为15.4KB；

图9是对嵌入水印后的图像作JPEG压缩得到的图像，其中JPEG压缩质量为10％，压缩后的图像大小为7.93KB；

图10A是对嵌入水印后的图像打印扫描所得到的图像示意图；

图10B是对图10A所显示的图像进行截取并缩放到尺寸为512×512所得到的图像的示意图；

图11A是对嵌入水印后的图像打印扫描所得到的图像示意图；

图11B是对图11A所显示的图像进行截取并缩放到尺寸为512×512所得到的图像的示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的描述。

1：水印嵌入过程

如图1所示，一种在数字图像中嵌入水印的方法，包括以下步骤：

(1)将如图2所示的一幅灰度图像(或者彩色图像的一个通道)分成大小为N×N的块然后对每个图像块进行二维DCT变换得到变换域系数。本实施例中，取图像分块的大小为N＝8。具体的说，假定灰度图像(或者彩色图像的一个通道)为

$X=\{x_{n,m}^k:0\&le;n\&le;\mathrm{7,0}\&le;m\&le;\mathrm{7,1}\&le;k\&le;K\},$

其中x_n，m ^k代表像素点的灰度值，k是图像块的标号，(n，m)是图像块内位置的标号。对每个图像块进行二维DCT变换得到变换域系数

$\{{\hat{x}}_{u,v}^k:0\&le;u\&le;7,0\&le;v\&le;7,1\&le;k\&le;K\}.$

其中二维DCT变换的公式为

${\hat{x}}_{u,v}^k=\frac{1}{4}{C}_u{C}_v\underset{n=0}{\overset{7}{\mathrm{\&Sigma;}}}\underset{m=0}{\overset{7}{\mathrm{\&Sigma;}}}{x}_{n,m}^k\cos \frac{(2n+1)\mathrm{u\&pi;}}{16}\cos \frac{(2m+1)\mathrm{v\&pi;}}{16}$

其中，如果u＝0，则C_u＝1/；如果u≠0，则C_u＝1。

(2)根据要嵌入的水印信息生成二进制字符串，对二进制字符串进行纠错编码得到待嵌入的水印信号：w₁，w₂，.....，w_L。其中w_l取值1或者0。将图像块的中低频信道

Λ＝{(u，v，k)：N₁≤u+v≤ N₂，1≤k≤K}

分成L组

$\mathrm{\&Lambda;}=Y_{l=1}^L{\mathrm{\&Lambda;}}_l,$

并使得每个分组中所含信道的个数λ_l＝#Λ_l相同或者尽可能地相同。本实施例中，将图像块的中低频信道分成127组，使得每个分组中所含信道的个数为709或者710。如图3所示，这里我们选取的中低频段的界限为N₁＝3和N₂＝6。

(3)按照公式(EQ1)，(EQ2)和(EQ3)计算出每个信道的水印强度a_u，v ^k。选取整体水印强度a＞0并按照加性水印方式对将水印信号w_l嵌入到信道分组Λ_l的每个信道中：

$\begin{array}{cc}{\hat{y}}_{u,v}^k={\hat{x}}_{u,v}^k+{\mathrm{aa}}_{u,v}^k({2w}_l-1)& \&ForAll;(u,v,k)\&Element;{\mathrm{\&Lambda;}}_l.\end{array}$

(4)对每个嵌入水印的图像块作二维DCT逆变换得到嵌入水印后的图像。其中二维DCT逆变换的公式为

$x_{n,m}^k=\frac{1}{4}\underset{u=0}{\overset{7}{\mathrm{\&Sigma;}}}\underset{v=0}{\overset{7}{\mathrm{\&Sigma;}}}{C}_u{C}_v{\hat{x}}_{u,v}^k\cos \frac{(2n+1)\mathrm{u\&pi;}}{16}\cos \frac{(2m+1)\mathrm{v\&pi;}}{16}$

如图4所示，我们对长度为78比特的水印信息使用参数为(127，78，7)的BCH纠错编码，并选取整体水印强度a＝4。

2：水印提取过程

一种从数字图像中提取水印的方法，包括以下步骤：

(1)将获取的灰度图像(或者彩色图像的一个通道)分成大小为N×N的块(按照和水印嵌入过程相同的方法，本实施例中N＝8)然后对每个图像块进行二维DCT变换得到变换域系数。假定得到的变换域系数为

$\{{\hat{y}}_{u,v}^k:0\&le;u\&le;\mathrm{7,0}\&le;v\&le;\mathrm{7,1}\&le;k\&le;K\}.$

(2)按照和水印嵌入过程相同的分组方式来计算每个分组信道的系数的期望值或者说计算水印提取子

$T_l={\mathrm{\&Sigma;}}_{(u,v,k)\&Element;{\mathrm{\&Lambda;}}_l}{\hat{y}}_{u,v}^k$

其中l∈{1，2，.....，L}。如果水印提取子T_l＞0则认为水印信号 ${\tilde{w}}_l=1$ ，否则认为水印信号 ${\tilde{w}}_l=0.$

(3)对由(2)得到的水印位流串

进行解码，得到实际隐藏的水印信息。

下面简要的解释一下本发明算法的理论依据。我们将说明为什么本水印嵌入提取方法可以抵抗噪音的攻击。假设包含水印的图像在空域受到了独立同分布的噪音攻击(这也可以近似的认为是打印扫描过程对图像产生的影响)，就是说我们获取的灰度图像(或者彩色图像的一个通道)

$Z=\{z_{n,m}^k:0\&le;n\&le;\mathrm{7,0}\&le;m\&le;\mathrm{7,1}\&le;k\&le;K\}$

是灰度图像(或者彩色图像的一个通道)

$Y=\{y_{n,m}^k:0\&le;n\&le;\mathrm{7,0}\&le;m\&le;\mathrm{7,1}\&le;k\&le;K\}$

在空域叠加了一个独立同分布的噪音场，就是说

$z_{n,m}^k=y_{n,m}^k+f_{n,m}^k,$

其中{f_n，m ^k：0≤n≤ 7，0≤m≤7，1≤k≤K}是独立同分布的随机变量。于是在频域我们可以得到

${\hat{z}}_{u,v}^k={\hat{y}}_{u,v}^k+g_{u,v}^k,$

注意到二维DCT变换是一个正交变换，从而

(1){g_u，v ^k：0≤u≤7，0≤v≤7，1≤k≤K}是独立的随机变量；

(2)对于固定的信道(u，v)，随机变量{g_u，v ^k：1≤k≤K}具有相同的分布；

(3)如果(u，v)≠0，则随机变量g_u，v ^k的期望为0。

则对于水印检测子T_l我们可以得到

$T_l={\mathrm{\&Sigma;}}_{(u,v,k)\&Element;{\mathrm{\&Lambda;}}_l}{\hat{z}}_{u,v}^k={\mathrm{\&Sigma;}}_{(u,v)}{\mathrm{\&Sigma;}}_{k\&Element;{\mathrm{\&Lambda;}}_{l,u,v}}{\hat{z}}_{u,v}^k={\mathrm{\&Sigma;}}_{(u,v)}{\mathrm{\&Sigma;}}_{k\&Element;{\mathrm{\&Lambda;}}_{l,u,v}}({\hat{y}}_{u,v}^k+g_{u,v}^k),$

于是

$T_l={\mathrm{\&Sigma;}}_{(u,v)}{\mathrm{\&Sigma;}}_{k\&Element;{\mathrm{\&Lambda;}}_{l,u,v}}{\hat{x}}_{u,v}^k+{\mathrm{\&Sigma;}}_{(u,v)}{\mathrm{\&Sigma;}}_{k\&Element;{\mathrm{\&Lambda;}}_{l.u,v}}{g}_{u,v}^k+a(2w_l-1){\mathrm{\&Sigma;}}_{(u,v,k)\&Element;{\mathrm{\&Lambda;}}_l}{a}_{u,v}^k,---\left(\mathrm{EQ}4\right)$

其中指标集合Λ_l，u，v的定义是

Λ_l，u，v＝{k：(u，v，k)∈Λ_l}。

假设图像Y的二维DCT变换的信道(u，v)的系数分布是P_u，v，我们知道当(u，v)≠0时P_u，v是关于原点对称的函数，从而其期望值为0。注意到在水印标号l和信道标号(u，v)固定并且集合Λ_l，u，v包含足够多的元素时，集合 $\{{\hat{x}}_{u,v}^k:k\&Element;{\mathrm{\&Lambda;}}_{l,u,v}\}$ 构成了分布P_u，v的一个采样，于是

${\mathrm{\&Sigma;}}_{k\&Element;{\mathrm{\&Lambda;}}_{l,u,v}}{\hat{x}}_{u,v}^k\&ap;\#{\mathrm{\&Lambda;}}_{l,u,v}\&CenterDot;E\left(p_{u,v}\right)\&ap;0.$

同时，由前面的讨论可知，集合{g_u，v ^k：k∈Λ_l，u，v}构成了某个期望为0的分布的一个采样，于是同理可知

${\mathrm{\&Sigma;}}_{k\&Element;{\mathrm{\&Lambda;}}_{l,u,v}}{g}_{u,v}^k\&ap;0.$

从而方程(EQ4)可以简化为

$T_l\&ap;a(2w_l-1){\mathrm{\&Sigma;}}_{(u,v,k)\&Element;{\mathrm{\&Lambda;}}_l}{a}_{u,v}^k,$

注意到每个系数a_u，v ^k都是正数，于是水印检测子T_l的符号可以决定水印信号为‘0’或者‘1’。

最后再通过几个实例来说明本发明所述的在数字图像中嵌入和提取水印方法的鲁棒性。图5是对嵌入水印后的图像加了高斯噪音和盐椒噪音所得到的图像，这时图像质量已经遭到了严重的破坏但仍旧可以从中成功提取水印信息。图6是将嵌入水印后的图像裁剪掉右下角的四分之一，仍可以从中成功提取水印信息，如果对图像裁剪掉其它的部分也可以从中提取水印信息。图7是对嵌入水印后的图像作低通滤波之后得到的图像，这时图像产生了平滑，我们可以从中成功提取水印信息。图8是对嵌入水印后的图像作JPEG压缩之后得到的图像，其中JPEG压缩质量为20％，压缩后的图像大小为15.4KB，我们可以从中成功提取水印信息。图9是对嵌入水印后的图像作JPEG压缩之后得到的图像，其中JPEG压缩质量为10％，压缩后的图像大小为7.93KB，这时图像质量遭到了明显的破坏已经失去了使用价值，提取水印信息失败，水印提取成功率为107/127＝0.8425。图10A是对嵌入水印后的图像打印扫描之后得到的图像；其中图像的输出DPI是150，通过京驰打印机C850在600DPI下打印，图像打印在纸上的尺寸是8.67cm×8.67cm，然后经过惠普扫描仪ScanJet4890在600DPI下扫描；经过上述过程之后的图像以电子格式存储在计算机内，得到的是带白色边框的尺寸为2416×2408的图像，其中为了说明方便我们在扫描图像最外部加上一个像素的黑色边框以说明扫描图像的边界。图10B是我们通过对图10A进行图像边界提取并对打印扫描过程所产生的图像倾斜角度进行估计(本实施案例中的图像倾斜角度是0.22度)然后对图像顺时针旋转0.22度使之位置水平，最后将旋转后的图像去掉白色边框进行截取并缩放到尺寸为512×512的图像，通过本发明中的水印检测算法我们可以从中成功提取水印信息。图11A是对嵌入水印后的图像打印扫描之后得到的图像；其中图像的输出DPI是300，通过京驰打印机C850在600DPI下打印，图像打印在纸上的尺寸是4.33cm×4.33cm，然后经过惠普扫描仪ScanJet4890在600DPI下扫描；经过上述过程之后的图像以电子格式存储在计算机内，得到的是带白色边框的尺寸为1420×1444的图像，其中为了说明方便我们在扫描图像最外部加上一个像素的黑色边框以说明扫描图像的边界。图11B是我们通过对图11A进行图像边界提取并对打印扫描过程所产生的图像倾斜角度进行估计(本实施案例中的图像倾斜角度是0.12度)然后对图像顺时针旋转0.12度使之位置水平，最后将旋转后的图像去掉白色边框进行截取并缩放到尺寸为512×512的图像，通过本发明中的水印检测算法我们可以从中成功提取水印信息。

本发明所述的方法并不限于具体实施方式中所述的实施例，本领域技术人员根据本发明的技术方案得出其他的实施方式，同样属于本发明的技术创新范围。

Claims (12)

1.一种基于数字图像变换域系数统计模型的水印嵌入方法，包括以下步骤：

(1)将数字图像分块并对每个图像块做二维DCT变换；

(2)根据要嵌入的水印信息生成水印信号；

(3)根据由步骤(2)得到的水印信号的长度，将图像块DCT变换域的中低频段系数进行分组；

(4)分析每个图像块的信息复杂度和明暗程度，计算每个图像块DCT变换域中低频信道的水印嵌入强度；

(5)选取整体水印强度，并根据由步骤(4)所述的每个信道的水印强度，通过改变由步骤(3)得到的每个信道分组中的DCT系数的期望值来嵌入水印信号；

(6)将经过上述步骤的所有图像块分别进行二维DCT逆变换便得到嵌入水印的图像。

2.如权利要求1所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：步骤(2)中，所述水印信号是进行纠错编码后得到的待嵌入的水印位流串。

3.如权利要求2所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：步骤(2)中，所述的水印位流串是通过对水印信号进行BCH(Bose，Ray-Chaudhuri，Hocquenghem)纠错编码的方式生成。

4.如权利要求3所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：所述的水印位流串的长度和步骤(3)中所述图像块DCT变换域中低频段系数分组的个数相同。

5.如权利要求4所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：步骤(3)中，所述的每个中低频段系数分组中信道的个数相同或者尽可能地相同。

6.如权利要求1、2、3、4或5所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：

步骤(4)中，所述的每个图像块的信息复杂度为图像块的信息熵e^k，信息熵e^k是通过如下基于灰度值量化的公式计算得出：

$e^k={\mathrm{\&Sigma;}}_{i=0}^{15}{P}_i^k{\log P}_i^k,---\left(\mathrm{EQ}1\right)$

$P_i^k=\frac{1}{N^2}\#\{(n,m):0\&le;n,m\&le;N-1;16i\&le;x_{n,m}^k<16(i+1)\}$

其中，每个图像块的大小为N×N，x_n，m ^k表示图像的灰度值，k是图像块的标号，(n，m)是图像块内位置的标号。

7.如权利要求6所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：

步骤(4)中，所述的每个图像块的明暗程度f^k是通过如下的公式计算得出：

$f^k=\left\{\begin{array}{ccc}\frac{{\stackrel{\&OverBar;}{x}}^k-(255-T^{+})}{T^{+}}& \mathrm{if}& {\stackrel{\&OverBar;}{x}}^k>255-T^{+}\\ \frac{T^{-}-{\stackrel{\&OverBar;}{x}}^k}{T^{-}}& \mathrm{if}& {\stackrel{\&OverBar;}{x}}^k<T^{-}\\ 0& \mathrm{if}& T^{-}\&le;{\stackrel{\&OverBar;}{x}}^k\&le;255-T^{+}\end{array}\right.,---\left(\mathrm{EQ}2\right)$

其中，

表示标号为k的图像块的平均灰度值，T⁺和T^-是预先设定好的两个阈值。

8.如权利要求7所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：

T⁺＝T^-＝50。

9.如权利要求8所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：

步骤(4)中，所述的每个图像块DCT变换的每个信道的水印嵌入强度，是通过每个图像块的信息熵e^k和明暗程度f^k按照下面的公式计算得到：

$a_{u,v}^k=(1-e^k)(1+f^k)\frac{\sqrt{u+1}\sqrt{v+1}}{(u+1)+(v+1)}---\left(\mathrm{EQ}3\right)$

10.如权利要求9所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：步骤(5)所述的水印嵌入过程中，根据选取的整体水印强度和由步骤(4)得到的每个信道的水印强度使用加性水印嵌入方式修改每个信道分组中的系数的期望值。

11.如权利要求10所述的一种基于数字图像变换域系数统计模型的水印嵌入方法，其特征是：步骤(5)中所述的水印嵌入过程中，当该分组中嵌入水印信号为1时，则增大该分组中的每个系数使该分组的系数期望值为正；否则当该分组中嵌入水印信号为0时，则减小该分组中的每个系数使该分组的系数期望值为负。

12.一种基于数字图像变换域系数统计模型的水印提取方法，包括以下步骤：

(1)获取数字图像并对其分块然后对每个图像块进行二维DCT变换；

(2)计算每个信道分组中系数的期望值或者说求出该信道分组中所有系数的和，若期望值为正则认为与该分组相对应的水印信号为1，否则认为与该分组相对应的水印信号为0；

(3)对上述得到的二进制字符串解码得到水印信息。

Images