2.4 典型数字水印算法 近年来，数字水印技术研究取得了很大的进步，下面对一些典型的算法进行了分析，除特别指明外，这些算法主要针对图象数据(某些算法也适合视频和音频数据)。 空域算法。该类算法中典型的水印算法是将信息嵌入到随机选择的图像点中最不重要的像素位 (LSB:least significant bits)上 ，这可保证嵌入的水印是不可见的。但是由于使用了图像不重要的像素位 ，算法的鲁棒性差 ，水印信息很容易为滤波、图像量化、几何变形的操作破坏。另外一个常用方法是利用像素的统计特征将信息嵌入像素的亮度值中。Patchwork算法方法是随机选择Ｎ对像素点 (ai，bi) ，然后将每个ai点的亮度值加 1 ，每个bi点的亮度值减 1，这样整个图像的平均亮度保持不变。适当地调整参数，Patchwork方法对JPEG压缩、FIR滤波以及图像裁剪有一定的抵抗力，但该方法嵌入的信息量有限。为了嵌入更多的水印信息，可以将图像分块，然后对每一个图像块进行嵌入操作。 变换域算法。该类算法中，大部分水印算法采用了扩展频谱通信 (spread spectrum communication)技术。算法实现过程为：先计算图像的离散余弦变换 (DCT)，然后将水印叠加到DCT域中幅值最大的前ｋ系数上(不包括直流分量)，通常为图像的低频分量。若DCT系数的前ｋ个最大分量表示为Ｄ={ di }，i=1 ，… ，ｋ，水印是服从高斯分布的随机实数序列Ｗ ={ wi }，i=1 ，… ，ｋ，那么水印的嵌入算法为di = di(1 + awi)，其中常数a为尺度因子 ，控制水印添加的强度。然后用新的系数做反变换得到水印图像I。解码函数则分别计算原始图像I和水印图像I＊的离散余弦变换 ，并提取嵌入的水印Ｗ＊，再做相关检验  以确定水印的存在与否。该方法即使当水印图像经过一些通用的几何变形和信号处理操作而产生比较明显的变形后仍然能够提取出一个可信赖的水印拷贝。一个简单改进是不将水印嵌入到ＤＣＴ域的低频分量上，而是嵌入到中频分量上以调节水印的顽健性与不可见性之间的矛盾。另外，还可以将数字图象的空间域数据通过离散傅里叶变换(DFT)或离散小波变换(DWT)转化为相应的频域系数；其次，根据待隐藏的信息类型，对其进行适当编码或变形；再次，根据隐藏信息量的大小和其相应的安全目标，选择某些类型的频域系数序列（如高频或中频或低频）；再次，确定某种规则或算法，用待隐藏的信息的相应数据去修改前面选定的频域系数序列；最后，将数字图象的频域系数经相应的反变换转化为空间域数据。该类算法的隐藏和提取信息操作复杂，隐藏信息量不能很大，但抗攻击能力强，很适合于数字作品版权保护的数字水印技术中。 压缩域算法　基于JPEG、MPEG标准的压缩域数字水印系统不仅节省了大量的完全解码和重新编码过程，而且在数字电视广播及VOD(Video on Demand)中有很大的实用价值。相应地，水印检测与提取也可直接在压缩域数据中进行。下面介绍一种针对MPEG-2压缩视频数据流的数字水印方案。虽然MPEG-2数据流语法允许把用户数据加到数据流中，但是这种方案并不适合数字水印技术，因为用户数据可以简单地从数据流中去掉，同时，在MPEG-2编码视频数据流中增加用户数据会加大位率，使之不适于固定带宽的应用，所以关键是如何把水印信号加到数据信号中，即加入到表示视频帧的数据流中。对于输入的MPEG-2数据流而言，它可分为数据头信息、运动向量(用于运动补偿)和DCT编码信号块3部分，在方案中只有MPEG-2数据流最后一部分数据被改变，其原理是，首先对DCT编码数据块中每一输入的Huffman码进行解码和逆量化，以得到当前数据块的一个DCT系数;其次，把相应水印信号块的变换系数与之相加，从而得到水印叠加的DCT系数，再重新进行量化和Huffman编码，最后对新的Huffman码字的位数n1与原来的无水印系数的码字n0进行比较，只在n1不大于n0的时候，才能传输水印码字，否则传输原码字，这就保证了不增加视频数据流位率。该方法有一个问题值得考虑，即水印信号的引入是一种引起降质的误差信号，而基于运动补偿的编码方案会将一个误差扩散和累积起来，为解决此问题，该算法采取了漂移补偿的方案来抵消因水印信号的引入所引起的视觉变形。 NEC算法　该算法由NEC实验室的Cox等人提出，该算法在数字水印算法中占有重要地位，其实现方法是，首先以密钥为种子来产生伪随机序列，该序列具有高斯N(0，1)分布，密钥一般由作者的标识码和图象的哈希值组成，其次对图象做DCT变换，最后用伪随机高斯序列来调制(叠加)该图象除直流(DC)分量外的1000个最大的DCT系数。该算法具有较强的鲁棒性、安全性、透明性等。由于采用特殊的密钥，因此可防止IBM攻击，而且该算法还提出了增强水印鲁棒性和抗攻击算法的重要原则，即水印信号应该嵌入源数据中对人感觉最重要的部分，这种水印信号由独立同分布随机实数序列构成，且该实数序列应该具有高斯分布N(0，1)的特征。 生理模型算法　人的生理模型包括人类视觉系统HVS(HumanVisualSystem)和人类听觉系统HAS。该模型不仅被多媒体数据压缩系统利用，同样可以供数字水印系统利用。利用视觉模型的基本思想均是利用从视觉模型导出的JND(Just Noticeable Difference)描述来确定在图象的各个部分所能容忍的数字水印信号的最大强度，从而能避免破坏视觉质量。也就是说，利用视觉模型来确定与图象相关的调制掩模，然后再利用其来插入水印。这一方法同时具有好的透明性和强健性。3. 结 论 信息隐藏及数字水印技术是近几年来国际学术界兴起的一个前沿研究领域。它与信息安全、信息隐藏、数据加密等均有密切的关系。特别是在网络技术和应用迅速发展的今天，水印技术的研究更具现实意义。今后水印技术的研究仍将着重于顽健性、真伪鉴别、版权证明、网络快速自动验证以及声频和视频水印等方面，并将与数据加密技术紧密结合，特别是顽健性和可证明性的研究。水印的顽健性能体现了水印在数字文件中的生存能力，当前的绝大多数算法虽然均具有一定的顽健性，但是如果同时施加各种图像攻击，那么这些算法均会失效。如何寻找更加顽健的水印算法仍是一个急需解决的问题。另外当前的水印算法在提供可靠的版权证明方面或多或少有一定的不完善性，因此寻找能提供完全版权保护的数字水印算法也是一个重要的研究方向。目前有很多的水印攻击方法（请参阅参考资料），作者针对攻击方法及相应的解决方案将另有文章论述