见水印。可见水印主要用于当场声明数字产品的版权归属，对盗版者起到即时威慑和约束作用，也可用于在因特网上在线分发带有可见水印的数字产品，对数字产品进行广告宣传。不可见水印不能够阻止盗版者对数字产品的非法复制，但可用来证明数字产品所有权，以及作为鉴定、起诉非法侵权的证据。 2、按水印的鲁棒性划分
按水印的鲁棒性可以将数字水印分为脆弱数字水印和鲁棒数字水印两种。脆弱水印对多媒体的任何变换或处理都非常敏感；鲁棒水印对常见的各种处理操作和攻击均有较强的鲁棒性，好的鲁棒水印算法甚至可以从质量已被破坏的数字作品中提取出水印；鲁棒数字水印主要用于在数字作品中标识著作权信息，如作者、作品序号等。脆弱数字水印主要用于完整性认证和内容保护。人们根据脆弱水印的状态就可以判断数据是否被篡改过，实现对多媒体的被破坏情况的跟踪和定位。
3、按水印所附载的媒体划分
按水印所附载的载体数据，可以将数字水印划分为图像水印、音频水印、视频水印、文本水印等等。随着数字技术的发展，会有更多类的数字媒体出现，同时也会产生相应的水印技术。 4、按水印的检测过程划分
按水印的检测过程可以将数字水印划分为非盲水印（Nonblind watermark）、半盲水印（seminonblind watermark）和盲水印（Blind watermark）。非盲水印在检测过程中需要原始数据和原始水印的参与；半盲水印则不需要原始数据，但需要原始水印来进行检测；盲水印的检测只需要密钥，既不需要原始数据，也不需要原始水印。一般说来，非盲水印的稳健性比较强，但其应用受到存储成本的限制。目前研究的数字水印大多数是半盲水印或者盲水印。 5、按水印的内容划分
按数字水印的内容可以将数字水印分为有意义的水印和无意义水印。有意义水印是指水印本身也是某个数字图像（如商标图像）或数字音频片断的编码；无意义水印则只对应于一个序列号。有意义水印的优势在于，如果由于受到攻击或其它原因致使解码后的水印破损，人们仍然可以通过视觉觉察确认是否有水印。但对无意义的水印来说，如果解码后的水印序列有若干码元错误，则只能通过统
11
计决策来确定信息中是否含有水印。 6、按水印嵌入的空间划分
按水印嵌入的空间划分可将数字水印分为空域水印和频域水印。空间域水印的嵌入和提取是通过修改图像像素点的强度或灰度值来实现的，计算简单，效率较高，但难以抵抗常见图像处理的攻击及噪声干扰的影响，稳健性较差。频域方法是将水印添加到原始图像的某种变换系数中，更容易与人的感知系统的某些掩蔽特性相结合，与数据压缩标准，如JPEG等兼容。因此，频域水印算法对诸如压缩和某些图像处理等的攻击的鲁棒性更强。 7、按用途划分
不同的应用需求造就了不同的水印技术。按水印的用途，可以将数字水印划分为票据防伪水印、版权保护水印、篡改提示水印和隐藏标识水印。票据防伪水印加在纸质票据的数字生成过程中，历经印刷、打印、扫描过程后能将水印检测出来，需要防止的是复制后水印将不再存在。隐蔽标识水印是在图像中加入注释信息，对图像进行说明和作者介绍等，不占用带宽，需要隐藏的数据量较大[6]。
3.4 核心数字水印技术
数字水印技术多种多样，下面将介绍几种核心的数字水印技术之一的小波域水印算法。
3.4.1 基于小波域算法的数字水印生成与隐藏算法
小波域水印算法往往把水印嵌入到图像小波变换后的低频子带或高频子带。图像的低频子带携带了图像的大部分信息，因此可以嵌入更多的水印信息，使水印更加鲁棒，但同时也产生了问题，即图像低频子带的变化容易导致较大的图像失真。相反，高频子带携带的图像的边缘和纹理信息，人眼对这部分信息不敏感，因此，在这部分嵌入水印，可以避免引起图像的失真，但同时水印容易遭到破坏。因此，一个有效的水印算法在鲁棒性和图像的失真度之间取得平衡。下面介绍两种典型的水印算法[7]。
1、基于高斯序列的扩频水印算法
在1997年，Cox提出了一种基于扩展频谱的水印算法。在此方案中，水印的嵌入过程就是在原图像中加入伪随机序列。在水印检测时，通过计算伪随机序列和提取水印序列的相关性来实现。扩频数字水印方案的基本思想是在改变不引
12
人注目的地方扩大标记，并且将它嵌入到感知上重要的信号部分中。它有频域所固有的抗几何变换的能力，但它的一个最显著的缺点是必须有原始图像才能检验水印是否存大。
Wolfgang等提出了一种基于小波变换的扩频水印算法，此算法在扩频水印算法中很具有代表性。在此算法中选用伪随机实数组成的高斯序列作为水印。序列长度由视觉模型确定。小波基采用如双正交小波。嵌入算法是将图像进行四级小波变换，在整个频带内选择大于阈值的小波系数来嵌入水印。水印的提取需要原始图像。Wolfgang的方法源于Cox，但他在嵌入算法中加了一个权值因子调整嵌入水印能量与图像失真的大小。保证了水印的不可感知性，又使算法具有一定鲁棒性。
2、基于量化的数字水印算法
在量化水印算法中，所用的水印通常是二值图像或二值序列，根据一种量化方案把原数据替换成另一种量化值来嵌入水印。一种简单的量化水印称为奇偶嵌入水印，若嵌入位为“0”，则宿主信号被量化为与之最近的偶数；若嵌入位为“1”则量化为与之最近的奇数。Kundur提出了一种量化的脆弱水印算法，先对图像进行L级分解，利用密钥控制需嵌入水印的小波系数，将这些小波系数用预定的量化步长进行奇偶性量化后与水印信息比较，若不等，利用量化步长调整小波系数。提取时间首先将待测图像L级分解后，对相应位置的小波系数量化，判断量化系数的奇偶性，嵌入相应值，然后将提取结果与原始水印比较得到检测结果。该方案可以检测不同分辨率下的水印篡改图并能够实现对篡改的定位，并可通过调节门限来降低虚警率。
Lu提出一种中值量化的脆弱水印方法。首先将图像小波变换后，根据人类视觉系统（HVS）应用特定的量化步长，对独立频域内的小波系数用密钥选取后求和取平均，通过量化步长计算出量化噪声，然后，结合水印信息和小波平均系数进行量化，得到的结果再与各个小波系数相加，即为量化后的小波系数，重构后得到含水印的图像。通过选取适当的检测门限进行认证检测。该算法改善了文献的性能，在加大篡改检测效果的同时，极大的降低了虚警率[8]。
关于数字水印的技术还有很多，这里不再一一介绍
13
3.5 数字水印典型算法
3.5.1 空间域数字水印
较早的数字水印算法都是空间域上的，空域水印处理使用各种各样的方法直接修改图像的象素，将数字水印直接加载在数据上，现已提出了如下几种较典型的空域数字水印方法。 3.5.1.1 最低有效位方法
这是一种典型的空间域数据隐藏方法，L. F. Turner与R. G. Van
Schyndel等先后利用此方法将特定的标记隐藏于数字音频和数字图像内。对图像数据而言，是根据图像最低位的改变影响到的图像质量很少，从而用水印信息改变载体图像的最低位来达到嵌入水印的目的[9]。
在进行数字图像处理后，图像的低位非常容易改变，攻击者只需通过简单地删除图像低位数据或者对数字图像进行某种简单数学变换就可将空域LSB方法加入的水印信息滤除或破坏掉，因此同变换域的方法相比，这种水印算法的鲁棒性非常弱。
3.5.1.2 Patchwork方法
Patchwork方法是一种基于统计的数字水印嵌入方法，在Patchwork算
法中，一个密钥用来初始化一个伪随机数发生器，而这个伪随机数发生器将产生载体中放置水印的位置。Patchwork算法的基本思想是：
在嵌入过程中，版权所有者根据密钥K伪随机地选择n个象素对，然后通过下面的两个公式更改这n个象素对的亮度值(ai,bi)：
~?a?1 公式（3-1） aii~bi?bi?1 公式（3-2）
这样，版权所有者就对所有的ai加1和对所有的bi减1。在提取的过程中，也使用同样的密钥K将在编码过程中赋予水印的n个象素对提取出来，并计算这样一个和：
~~?bS??(a ii) 公式（3-3）
i?1n
14
如果这个载体确实包含了一个水印，就可以预计这个和为2n，否则它将近似为零。这种提法是基于下面的统计假设的，如果在一个图像里随机地选取一些象素对，并且假设它们是独立同分布的，那么有：
E(S)??(E?ai??E?bi?) 公式(3-4)
i?1n因此，只有知道这些修改位置的版权所有者才能够得到一个近似值S?2n。 Patchwork方法隐蔽性好，并且对JPEG压缩、FIR滤波以及图像剪切操作有一定的抵抗力，但该方法嵌入的信息量有限[10]。
3.5.1.3 文档结构微调方法
Brassil等人提出了三种在通用文档图像中隐藏特定二进制信息的技术，
他们利用文档的特点，将数字信息通过轻微调整文档中的以下结构来完成编码，包括：垂直移动行距、水平调整字距、调整文字特性（如字体）。该算法可以抵抗一些标准的文档操作，如照相复印和扫描复印，但该技术也极易被经验丰富的攻击者破坏，比如，只要攻击者任意改变其文档的行距或者字间距，就可能破坏水印。一般来说，在文档中加水印是很困难的，当文档再次扫描输入时，扫描设备采用的光学字符技术在理论上能够消除噪声，导致嵌入水印信息失效[11]。
空间域水印算法的最大优点就是具有较好的抗几何攻击能力，最大弱点就在于抗信号处理的能力较差。
3.5.2 变换域数字水印
基于变换域的数字水印技术往往采用类似于扩频图像的技术来隐藏水印信息。这类技术一般基于常用的图像变换（基于局部或是全局的变换），这些变换包括离散小波变换（DWT）、离散余弦变换(DCT)、傅氏变换（DFT）、傅里叶－梅林（Fourie-Mellin）变换等等。
3.5.2.1 DWT变换域方法
DWT是一种时间－尺度（时间－频率）信号的多分辨率分析方法，在时频两域都具有表征信号局部特征的能力。根据人类视觉系统的照度掩蔽特性和纹理
15