1.3 行业发展现状
随着数字水印理论和技术的发展，产业界对水印的应用也给予了足够的重视，工BM在其数字图书馆的研究计划中采用了可见水印技术[’l，该计划的研究成果已被美国国会图书馆等著名图书馆所采用。NEC公司致力于研究如何将水印技术应用到DDv系统的拷贝保护机制中。一些国际标准项目也有计划地发展实用的数字水印算法，如欧洲的ATLSIMAN，其目标在于建立一个在全欧洲范围内对大规模的商业侵权和盗版行为提供版权保护机制。ocTALIS的主要目的是将有条件的访问机制和版权保护机制融合起来。
随着水印技术应用的推广，其标准化工作越来越受到重视101。1999年2月IBM、Sofly·Hitaehi、NEC和pioneer等五家大公司宣布了一个保护数字视频和数字电影的水印标准协议，标志着水印标准化已逐步迈向正轨。
从水印的嵌入载体来看，目前水印研究主要涉及图像水印、视频水印、音频水印、文本水印和三维网格水印等几个方面，其中大部分水印研究都集中在图像隐形水印的研究上。其原因在于图像是最基本的多媒体数据，且互联网的发展为图像水印提供了大量的应用需求。图像隐形水印相对于文本水印、音频水印和视频水印来说较容易实现，其一些研究成果也可以应用于其它类型的水印上。目前数字水印的究内容归结起来主要分为三个层次:
(1)基础理论研究:目的在于建立一个较完善的数字水印的理论框架模型，解决数字水印的信息容量、数字水印的信息论分析等基本理论问题。
(2)应用基础研究:主要针对某种具体的载体(如数字图像、数字音频、数字视频和文本等)，研究其相应的具有稳健性和安全性等特性的水印嵌入算法，以及如何提取和检测水印，如何测试和评估水印系统的性能。
(3)实际应用研究:目的在于将数字水印能运用到实际生活中，解决现实中存在的一些问题。可以针对某项具体的应用研制开发出相应的软件，运用到实际的工作中。
近几年来，国内学术界对数字水印也倾注了极大的热情，许多科研院校开展了这方面的研究。2000年1月，由国家“863计划”智能计算机系统专家组主办，模式识别国家重点实验室等单位承办的我国首次数字水印技术学术研讨会在北京举行，并取得了圆满成功，与会者近百人。
- 6 -
国内发表的很多有关水印算法的学术论文实际上非常相似，只是在水印的预处理、嵌入位置和检测方法上有些不同之处。且目前国内在数字水印的应用上还没有比较成熟的水印商业软件。
总的来说，我国数字水印技术的发展已初具规模，但也存在许多需要解决的问题，今后数字水印的研究任重道远。
1.4 本课题的研究目标和主要内容
在分析以上数字水印存在问题的基础上，提出了本文的研究目标，旨在设计一个较完整的基于DCT域的图像隐形水印算法，改进目前许多水印算法在嵌入强度和含水印图像质量评价等方面存在的弊端，使该算法较好地兼顾不可感知性、稳健性和安全性。
本文的研究内容是在分析DCT域的图像隐形水印的相关理论和关键技术的基础上，针对水印嵌入强度等方面存在的问题，提出依据图像失真闽值和图像的局部特性确定各嵌入强度的大小。探讨了在水印嵌入之前如何对水印进行预处理，来提高水印的安全性和稳健性。对水印的稳健性也进行了深入地分析，并实现了一个基于DCI，域的图像隐形水印算法，经过测试表明该算法具有较好的稳健性。
2 图像隐形水印技术
数字图像是最基本的多媒体数据，对数字图像进行水印实验相对于文本水印、音频水印和视频水印来说较易实现，而且它的一些研究结果可以应用于其它类型的水印中。因此，图像隐形水印技术是目前水印研究的重点之一。
图像是由许多点排列而成的行列式，其中的每个点为一个像素，这些像素可以有一定的颜色。根据像素有无色彩信息，可以将图像分为彩色图像和灰度图像。灰度图像指只含有亮度信息，它由暗到明的亮度构成。灰度图像相较于彩色图像来说更易实现水印，因此，通常将灰度图像作为水印的测试图像。水印测试常用两类灰度图像，一类为256色灰度图像，其亮度值由暗到明划分为O~255共256个级别，0表最暗，256表最亮，数字水印常将它作为水印的载体图像;另一类为二值图像，它是一种比较特殊的灰度图像，每个像素只有黑色和白色两种颜色，
- 7 -
它运算简单，数据量小，常用来作为待嵌入的水印信号。
按照水印的隐藏位置，图像隐形水印可以划分为空域数字水印和变换域数字水印。变换域数字水印技术又可根据所采用的变换形式进一步细分为离散傅里叶变换(DFT)、离散余弦变换(DCT)和离散小波变换(WDT)等。目前图像隐形水印的研究主要集中在变换域水印技术上。
2.1 DCT变换的基本原理：
离散余弦变换(DiscretecosineTrnasofmr，DC刀是基于实数的正交变换，它体现了图像信号的相关特性，且较易于在数字信号处理器中快速实现，因此，被运用到有关图像编码的国际标准中。数字图像处理中常使用二维DCT变换，
对于一幅NxN图像F(x，y)，其DCT变换为:
二维DTC变换在图像压缩中有很多应用它是JPGE和MPGE等数据压缩标准的重要数学基础。JEPG压缩算法(如图3一1)中，首先将RGB分量转化成亮度分量和色差分量，同时丢失一半的色彩信息;然后将原始图像划分为8x8的图像块，对每个图像块进行DTc变换;在量化阶段，根据量化表(如表3一)l将所有的DCT系数除以预定义的量化值并取整;最后用编码器来完成压缩任务。
JPGE压缩亮度量化表如表3一1所示，由于大多数图像的高频分量较小，
- 8 -
因此所对应的图像高频成分的系数常为0。又由于人眼对高频成分的失真不太敏感，所以可用更粗的量化，这样可以调整图像中不同频率成分的影响。JPGE解压缩过程如图3一2所示，首先进行解码，然后将所有的DCT系数逆量化，再对每个图像块做IDCT变换，重构图像数据，最后将所有图像块拼接成一幅完整的
图像。恢复后的图像接近于原始图像，但与原始图像相比有一定的失真。
DCT是无损的，它只将图像从空间域转换到变换域上，使之更能有效地被编码。对一个图像子块而言，将对变换后的64个系数进行量化，并对Z字顺序扫描系数表进行编码。这种排列方法有助于将低频非0系数置于高频系数之前，直流系数由于包含了所有图像特征中的关键部分而被单独编码。量化后的系数经过熵编码进一步无损压缩，通常采用的是Huffman编码。这种压缩编码方法中，图像质量的降低主要是由于对系数的量化造成，且不可恢复。假设子图像为f(x,y)，
- 9 -
则二维DCT变换可以由公式实现。
2F(u,v)?N（1） ??f(x,y)cos[2N(2y?1)v] u,v=1,2,?,N-1x?0y?0N?1N?1?1F(0,0)?N ??f(x,y) u,v=0 （2）
x?0y?0N?1N?1其中F（u,v）表示变换域的高频成分，也称为交流系数；F（0，0）表示变换域中的低频成分，也称为直流系数。对变换结果进行分析，可以看出能量主要集中到左上角。DCT变换具有良好的去相关特性。在图像的压缩编码中，N一般取8。
在解码时首先得到各点的DCT系数，然后根据下面的DCT反变换即可恢复出原图像。二维DCT的反变换公式为：
1f(x,y)?F(0,0)?N2N?F(u,0)cos[x?1N?1?2N(2x?1)u]?
2N2N?F(0,v)cos[2N(2y?1)v]?
y?1N?1???F(u,v)cos[x?1y?1N?1N?1?2N(2x?1)u]cos[?2N(2y?1)v]
（u,v=1,2,?,N-1） （3）
利用该公式还可以无损地恢复原图像。在 实际应用中，使用DCT变换的矩阵描述形式更容易理解。在解码时首先得到各点的DCT系数，然后根据DCT反变换即可恢复出原图像。
2.2 DCT域水印算法的特点
DCT变换把空域信号变换到频域中一个DC分量和一系列的AC分量，其中， DC分量表示平均亮度，AC分量集中了原始图像块的主要能量。在JPEG压缩时，
- 10 -