一 数字水印数字水印技术数字水印技术(Digital Watermark):技术是将一些标识信息(即数字水印)直接嵌入数字载体(包括多媒体、文档、软件等)当中，但不影响原载体的使用价值，也不容易被人的知觉系统(如视觉或听觉系统)觉察或注意到。目前主要有两类数字水印,一类是空间数字水印,另一类是频率数字水印。空间数字水印的典型代表是最低有效位(LSB)算法,其原理是通过修改表示数字图像的颜色或颜色分量的位平面,调整数字图像中感知不重要的像素来表达水印的信息,以达到嵌入水印的目的。频率数字水印的典型代表是扩展频谱算法,其原理是通过时频分析,根据扩展频谱特性,在数字图像的频率域上选择那些对视觉最敏感的部分,使修改后的系数隐含数字水印的信息。 可视密码技术二 可视密码技术:可视密码技术是Naor和Shamir于1994年首次提出的,其主要特点是恢复秘密图像时不需要任何复杂的密码学计算,而是以人的视觉即可将秘密图像辨别出来。其做法是产生n张不具有任何意义的胶片,任取其中t张胶片叠合在一起即可还原出隐藏在其中的秘密信息。其后,人们又对该方案进行了改进和发展。主要的改进办法办法有：使产生的n张胶片都有一定的意义,这样做更具有迷惑性;改进了相关集合的造方法;将针对黑白图像的可视秘密共享扩展到基于灰度和彩色图像的可视秘密共享。三 数字水印（Digital Watermark或称Steganography）技术是指用信号处理的方法在数字化的多媒体数据中嵌入隐蔽的标记，这种标记通常是不可见的，只有通过专用的检测器或阅读器才能提取。数字水印是信息隐藏技术的一个重要研究方向。 数字水印技术源于开放的网络环境下保护多媒体版权的新型技术，它可验证数字产品的版权拥有者、识别销售商、购买者或提供关于数字产品内容的其他附加信息，并将这些信息以人眼不可见的形式嵌入在数字图像或视频序列中，用于确认数字产品的所有权和跟踪侵权行为。除此之外，它在证据篡改鉴定，数字的分级访问，数据产品的跟踪和检测，商业视频广播和因特网数字媒体的服务付费，电子商务的认证鉴定，商务活动中的杜撰防伪等方面也具有十分广阔的应用前景。自1993年以来引起工业界的深厚兴趣，已成为国际上非常活跃的研究领域。 图11-2-1是数字水印嵌入的一个例子：图11-2-1 嵌入水印前后图像视觉对比二典型数字水印系统模型 图11-2-2描述了水印信号嵌入模型，其功能是完成将水印信号加入原始数据。图11-2-2 水印信号嵌入模型 图11-2-3为水印信号检测模型，用以判断某一数据中是否含有指定的水印信号。图11-2-3 水印信号检测模型 在水印的嵌入和检测模型中密码都不是必须包含的部分，但增加密码可以大大提高水印的鲁棒性。三数字水印的基本特性 （1）隐蔽性：在数字作品中嵌入数字水印不会引起明显的降质，并且不易被察觉。 （2）隐藏位置的安全性：水印信息隐藏于数据而非文件头中，文件格式的变换不应导致水印数据的丢失。 （3）鲁棒性：所谓鲁棒性是指在经历多种无意或有意的信号处理过程后，数字水印仍能保持完整性或仍能被准确鉴别。常见的信号处理过程包括信道噪声、滤波、数/模与模/数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等。 在数字水印技术中，水印的数据量和鲁棒性构成了一对基本矛盾。从主观上讲，理想的水印算法应该既能隐藏大量数据，又可以抗各种信道噪声和信号变形。然而在实际中，这两个指标往往不能同时实现，不过这并不会影响数字水印技术的应用，因为实际应用一般只偏重其中的一个方面。如果是为了隐蔽通信，数据量显然是最重要的，由于通信方式极为隐蔽，遭遇敌方篡改攻击的可能性很小，因而对鲁棒性要求不高。但对保证数据安全来说，情况恰恰相反，各种保密的数据随时面临着被盗取和篡改的危险，所以鲁棒性是十分重要的，此时，隐藏数据量的要求居于次要地位。 数字水印主要应用在版权保护、加指纹、标题与注释、篡改提示和使用控制等领域。四水印的典型算法分类 近年来，数字水印技术研究取得了很大的进步，水印的典型算法包括空域算法、变换域算法、压缩域算法、NEC算法等。五LSB算法简介 LSB（最低有效位）算法是在位图法的基础上将输入的信号打乱，并按照一定的分配规则使嵌入的信息能够散布于图像的所有像素点上，增加破坏和修改水印的难度。由于水印隐藏在最低位，相当于叠加了一个能量微弱的信号，因而在视觉和听觉上很难察觉。LSB水印的检测是通过待测图像与水印图像的相关运算和统计决策实现的。 LSB算法拥有与位图法同样的致命缺点。虽然可以隐藏较多的信息，但隐藏的信息可以被轻易移去，无法满足数字水印的鲁棒性要求，因此现在的数字水印软件已经很少采用LSB算法了。不过，作为一种大数据量的信息隐藏方法，LSB在隐藏通信中仍占据着相当重要的地位。 在常用的LSB算法工具中，有些工具会使用一些加密算法将原数据加密，而本实验则通过一些位操作，把原来的信息变为看似毫不相关的数据。在提取时，使用上述方法的逆变换，就可以恢复原数据了。 而在信息嵌入点的选择上，本练习是通过一种画线算法（line draw algorithm）来把嵌入点打散，从而增加水印识别的难度。在提取水印时，通过逆变换，就可以找到这些数据点了。 在实验步骤二中我们会对LSB算法进行详细剖析与实现。