基于局部质量评价的自适应水印嵌入方法

摘要

本发明涉及一种基于局部质量评价的自适应水印嵌入方法，属于数字水印技术领域。现有的水印技术使用各种质量评价方法度量水印引入的失真。嵌入水印总是根据一个全局的质量指标调整水印的强度，因而没有充分考虑信号的局部特征；而且为了保证局部的信号质量常常要降低全局的水印强度，所以降低了水印的鲁棒性。本发明分块度量信号的质量，并在每个块里根据局部失真条件自适应调整水印的嵌入强度。采用本发明所述的方法，嵌入水印可以充分使用信号的局部特征，增强了水印鲁棒性的同时获得了良好的局部不可感知性。

说明书

技术领域

本发明属于数字水印技术领域，具体涉及一种基于局部质量评价的自适应水印嵌入方法。

背景技术

过去十年，数字媒体信息的使用与分布爆炸性增长。借助互联网，人们可以方便地发布和获取各种数字信息，包括图像、音频、视频和文本等，以及诸多在线服务。但同时，盗版也变得更加容易，不受限制的复制与不可控的传输使得数字内容毫无版权可言。对数字内容的管理和保护成为业界迫切需要解决的问题。

数字水印是一种新兴的版权保护技术。它研究如何在原始数据中隐藏一定量的附加信息，例如作品的所有权、使用权或者公司的标识等，并通过对被隐藏信息的提取和识别达到验证版权的目的。一个好的数字水印系统应满足两个重要的要求：不可感知性和鲁棒性。所述的不可感知包含两方面的意思，一个指视觉上的不可感知性(对听觉也是同样的要求)，即因嵌入水印导致图像的变化对观察者的视觉系统来讲应该是不可察觉的，最理想的情况是水印图像与原始图像在视觉上一模一样，这是绝大多数水印算法所应达到的要求；另一方面水印用统计方法也是不能恢复的，如对大量的用同样方法和水印处理过的信息产品即使用统计方法也无法提取水印或确定水印的存在。所述的鲁棒性是指，一个数字水印应该能够承受大量的、不同的物理和几何失真，包括有意的(如恶意攻击)或无意的(如图像压缩、滤波、扫描与复印、噪声污染、尺寸变化等等)。然而，二者相互矛盾。如何在提高鲁棒性的同时确保不会导致信号明显的失真一直未能获得很好的解决。

以往，数字水印嵌入方法中使用各种信号质量评价方法量化嵌入水印的信号与原信号之间的失真量，常用的有均方误差、信噪比、峰值信噪比以及各种感知模型等，并据此对水印强度进行调整获得水印的不可感知性。典型的感知整形水印(C.I.Podilchuk et al..Image-adaptive watermarking usingvisual models.IEEE J.Selected Areas Communications，May 1998，16(4)：525-539)以原信号各个分量的最大不明显修改量(Just noticeable differences，JND’s)为权重加权水印信号，使得整形后的水印信号符合人的感知系统特征。它使用一个全局的质量指标度量水印导致的失真量，因而得出一个全局的水印强度调整因子。

刘九芬等提出了一种简单的小波域水印方法(参考专利CN02115174.1)。该方法使用简单的线性调制将水印嵌入到信号的低频区，一个全局拉伸因子用于控制水印的嵌入强度。

田力等设计了一种图像水印方法(见专利CN01114581.1)。它先对图像进行分层、分块，然后随机选择图像块并在整数DCT变换域内嵌入水印。这种方法能避免信号变换带来的误差并提高了水印的安全性。

G.F.G.德波维雷等发明了一种用于在信息信号中嵌入水印的方法和装置(见专利CN01806071.4)。它利用原信息信号的数据确定水印信号的局部加权因数，以使得整形后的水印信号与原信号叠加后基本上不能感知。这一思想与感知整形水印相似，局部加权因数是对应每个信号分量而言。

郭宝龙等提出了一种基于图像目标区域的小波域数字水印方法(见专利CN03134437.2)。它先对原图像进行小波变换，并利用小波系数的方差确定视觉目标区域和背景；然后，利用量化调制把水印信号嵌入到视觉目标区域对应的高频小波系数块上。

矶谷泰知等设计了一种用于嵌入和检测图像中数字水印的装置和方法(见专利CN200510009072.3)。它把一幅图像分为多个局部图像，并在每个局部图像中嵌入一数字水印。为了保证水印不可见性，他们只修改最低有效位或者最低的两个有效位。

已知的水印技术在嵌入水印时，都从全局度量水印所导致的失真，而且往往使用一个全局的调整因子整体调节水印的嵌入强度以达到不可感知。在许多情况下，一个全局的质量指标不能准确的反映信号局部的质量，例如一张很大的图片或者一段较长的音乐，同时，调整局部的信号质量也很不灵活，为了获得所有局部的水印不可感知性，必须采用足够小的全局调整因子，因而降低了水印鲁棒性。虽然，有些数字水印方法是基于分块的，但是，信号质量的评价仍然采用了一个全局的指标，上述问题依然存在。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种基于局部质量评价的自适应水印嵌入方法，该方法能够根据原信号的特征自适应的调整水印的嵌入强度，降低信号中噪声敏感区域的水印强度，而增加噪声不敏感区的水印嵌入强度，最终在水印鲁棒性和不可感知性之间获得良好的折衷。

为达到以上目的，本发明采用的技术方案是：一种基于局部质量评价的自适应水印嵌入方法，包括以下步骤：

(1)水印信号生成：根据要嵌入的信息M生成相应的水印信号W；

(2)信号分块：将原始信号X_o按时间顺序或空间排布分成p个不重叠的区域或者块，称为信号块，记为X_o＝X₁‖X₂‖…‖X_p；同时，水印信号W也被分成p个水印块，记为W＝W₁‖W₂‖…‖W_p；

(3)选择合适的质量评价方法，并设定每个信号块的质量指标，记为t₁，t₂，…，t_p，用于表达信号局部可允许的失真量；

(4)根据设定的质量指标，在每个信号块内嵌入对应的水印块；

(5)合成含水印信号：将添加了水印的每个信号块 $>>>X>k>w>>>(>k>=>1,2>,>·>·>·>,>p>)>>>s>按照原来的次序组合在一起得到含水印的载体信号，记为$ >>>X>w>>=>>X>1>w>>|>|>>X>2>w>>|>|>·>·>·>|>|>>X>p>w>>.>>s>$$

进一步，步骤(1)中，为保证水印的安全，W的生成依赖于密钥K。

进一步，步骤(2)中，信号块的尺寸大小适合于所选择的质量评价方法，使得局部质量指标能够如实反映局部信号的主观质量。

更进一步，当原信号为图像，并采用均方误差、信噪比或峰值信噪比时，信号块不大于8×8个像素，最好选择是5×5像素；当采用基于8×8分块DCT变换的Watson模型，信号块尺寸选为24×24个像素。

进一步，步骤(3)中，所述的质量评价方法包括：均方误差、信噪比、峰值信噪比以及感知模型。

更进一步，所述的感知模型包括：基于分块离散余弦变换的Watson模型以及小波域人类感知模型。

进一步，步骤(3)中，为了避免对某些信号由于分块而可能导致的块效应，选择相邻两信号块的质量指标t_k和t_k+1时须使下式成立

$>>|>>>\sigma >>k>+>1>>2>>>\sigma >k>2>>>->>ver>>\sigma >^>>>k>+>1>>2>>ver>>\sigma >^>>k>2>>>|>\le >\delta >->->->>(>1>)>>>s>$

其中，σ_k²和σ_k+1²分别是嵌入水印前信号块X_k和X_k+1的方差，和为嵌入水印后对应信号块的方差，δ是一个0～1之间的常数，一般取δ∈[0，0.25)。根据上述条件式，再结合所使用的质量评价函数，获得一个显示的选择t_k和t_k+1必须满足的条件不等式。

更进一步，所述的质量评价函数为信噪比，所述的条件不等式为

$>>>>At>k>>>B>+>>\delta \sigma >k>4>>>t>k>>>>\le >>t>>k>+>1>>>\le >>>At>k>>>C>->>\delta \sigma >k>4>>>t>k>>>>>s>$

此处：

$>>A>=>>\sigma >k>2>>>\sigma >>k>+>1>>2>>+>>>L>2>>>>L>2>>->1>>>>\sigma >k>2>>ver>>X>‾>>>k>+>1>>2>>>s>$

$>>B>=>>\sigma >k>2>>>\sigma >>k>+>1>>2>>+>>>L>2>>>>L>2>>->1>>>>\sigma >>k>+>1>>2>>ver>>X>‾>>k>2>>+>>>L>2>>>>L>2>>->1>>>>\delta \sigma >k>2>>ver>>X>‾>>k>2>>+>>\delta \sigma >k>4>>>s>$

$>>C>=>>\sigma >k>2>>>\sigma >>k>+>1>>2>>+>>>L>2>>>>L>2>>->1>>>>\sigma >>k>+>1>>2>>ver>>X>‾>>k>2>>->>>L>2>>>>L>2>>->1>>>>\delta \sigma >k>2>>ver>>X>‾>>k>2>>->>\delta \sigma >k>4>>>s>$

其中，L是信号块的尺寸，X_k和X_k+1分别是对应信号块的均值。

进一步，步骤(4)中，水印信号分块嵌入到原始载体信号块中，或者作为一个整块重复嵌入到各个载体信号块中。

进一步，步骤(4)中，水印嵌入时，每个信号块都限定了一个独立的质量指标，所述指标相同或者不同，提高噪声敏感区的指标，而降低不敏感区的指标。

进一步，步骤(4)中，每个信号块X_k嵌入水印方法是基于一个水印信号和原信息的混合函数f(·)，使嵌入水印的信号块X_k^w的质量达到步骤(3)中所述的指标。

更进一步，为每个信号块X_k设计最优的混合函数f(·)，使得当每个信号块的失真量达到步骤(3)中所述的指标时，水印检测器的性能最优。

再进一步，每个信号块拥有一个独立的水印强度调整因子α_k，k＝1，2，…，p，当最优的混合函数f(·)确定时，α_k用于灵活调整X_k上水印的嵌入强度，也就是信号的局部不可感知性。

再进一步，步骤(4)中，使用p个局部调整因子{α_k，k＝1，2，…，p}对信号的各个局部质量进行独立调整，而不会相互影响；当最优的混合函数f(·)确定时，α_k完全由局部质量指标t_k确定，或者根据实际信号的局部特征调整提升噪声不敏感区水印的嵌入强度，而降低噪声敏感区水印的嵌入强度，从而，在获得相同鲁棒性的同时提升水印的局部不可感知性。

本发明的效果在于：采用本发明所述的方法，使用分块度量信号局部质量，每个块都获得了一个调整因子α₁，α₂，…，α_p；调整一个块内水印的嵌入强度不会引起其他块的变化，信号局部质量的调整非常灵活；可以提高原信号X_o中噪声不敏感区(例如图象信号的纹理区)的水印嵌入强度，降低噪声敏感区(例如图象信号的平坦区)水印的嵌入强度，使水印嵌入充分利用了信号的局部特征，从而提高了检测器的性能；只要感知质量度量方法选择合适，每个块的质量指标设定合理，通过调整α₁，α₂，…，α_p可以使信号的所有区域X₁^w，X₂^w，…，X_p^w都能达到质量指标t₁，t₂，…，t_p，使得含水印载体信号的所有局部能很好的满足水印不可见性，从而避免了采用全局的感知质量评价会导致的某些局部信号质量偏低的问题；综上，通过联合调整α₁，α₂，…，α_p可以在水印鲁棒性和不可感知性之间获得良好的折衷效果。

附图说明

图1是本发明的基本流程图；

图2是原始的“辣椒”图；

图3是使用本方法嵌入水印后的“辣椒”图；

图4是图3与图2之间的误差图；

图5是取全局质量指标t＝30dB并使用线性调制策略嵌入水印后的“辣椒”图；

图6是图5与图2之间的误差图；

图7是JPEG攻击下水印检测器的输出曲线图。

具体实施方式

下面结合附图并通过描述一个简单的空间域图像水印给出本发明的一个实施例，并进一步说明本发明的效果。

实施例1：

一种基于局部质量评价的自适应水印嵌入方法，包括以下步骤：

(1)假定原信号X_o＝(x_ij}_M×N是一幅图像，如本实施例中的典型的“辣椒”图像。要嵌入的信息M为0或者1。本实施例中，使用一个随机数生成器并选择一个大整数K作为种子产生一独立同分布的高斯序列{w_ij}_M×N，如果M＝1，取W＝{w_ij}_M×N作为水印信号，否则取W＝{-w_ij}_M×N作为水印信号，这里不失一般性的假设水印信号的维数与载体信号一致。为了保证水印信号的安全，水印的密钥K应该绝对保密。

(2)接着，图像X_o的所有像素点按空间位置被分成p个互不重叠的块，记作X_o＝X₁‖X₂‖…‖X_p，为简单起见，本实施例中使用了大小为L×L的方块，所以多出的像素点可以弃置不用，也可以再细分成几个小块使用。同时，对水印信号W也作同样的分块操作，得到W＝W₁‖W₂‖…‖W_p。

(3)本实施例中采用最简单的信噪比(SNR，signal-to-noise ratio)评价信号的局部质量，并设定每个块上可接受的感知质量指标即SNR分别为t₁，t₂，…，t_p。

(4)为简单起见，对每个块直接修改块内的像素值嵌入水印，并使用了如下的线性调制策略

$>>>X>k>w>>=>f>>(>>X>k>>,>>W>k>>,>>\alpha >k>>)>>=>>X>k>>+>>\alpha >k>>>W>k>>,>1>\le >k>\le >p>->->->>(>4>)>>>s>$

这里水印强度调整因子可用设定的第k块上的信噪比获得，如下式

$>>>SNR>k>>=>>>>|>|>>X>k>>|>|>>2>>>>|>|>>X>k>>->>X>k>w>>|>|>>2>>>=>>t>k>>->->->>(>5>)>>>s>$

此处，‖·‖表示求距离运算，也就是 $>>|>|>>X>k>>|>|>=>>>\Sigma >>>x>ij>>\in >>X>k>>>>>x>ij>2>\; >.>>s>结合上述两式，可推出$

$>>>\alpha >k>>=>>>>>|>|>>X>k>>|>|>>2>>>>t>k>>>>|>|>>W>k>>|>|>>2>>>\; >,>1>\le >k>\le >p>.>>s>$

(5)最终把嵌入了水印的各个块按原有顺序组合在一起得到含水印的载体信号，即 $>>>X>w>>=>>X>1>w>>|>|>>X>2>w>>|>|>·>·>·>|>|>>X>p>w>>.>>s>$

具体来说，在步骤(3)中，为避免分块嵌入可能导致的块效应，选择相邻两信号块的质量指标t_k和t_k+1时须使下式成立

$>>|>>>\sigma >>k>+>1>>2>>>\sigma >k>2>>>->>ver>>\sigma >^>>>k>+>1>>2>>ver>>\sigma >^>>k>2>>>|>\le >\delta >->->->>(>1>)>>>s>$

其中，σ_k²和σ_k+1²分别是嵌入水印前信号块X_k和X_k+1的方差，和为嵌入水印后对应信号块的方差，δ是一个0～1之间的常数，一般取δ∈[0，0.25)。另外，信号块X_k^w和X_k+1^w的质量可表示为

$>>QA>=>>(>>X>k>w>>,>>X>k>>)>>=>>t>k>>->->->>(>2>)>>>s>$

和

$>>QA>>(>>X>>k>+>1>>w>>,>>X>>k>+>1>>>)>>=>>t>>k>+>1>>>->->->>(>3>)>>>s>$

其中，QA(·)表示质量评价函数。如果式(1)内的方差采用标准差统计量代替，再结合(1)、(2)和(3)则可以获得一个显示的t_k和t_k+1之间的约束条件。在本实施例中，给出了当QA(·)为信噪比时，t_k和t_k+1之间约束条件的一个具体推导过程，当QA(·)为其他质量评价函数时，可仿照此过程进行。根据上述条件式(1)，再结合所使用的质量评价函数，获得一个显示的选择t_k和t_k+1必须满足的条件不等式。本实施例中采用的质量评价函数为信噪比，这个条件不等式为

$>>>>At>k>>>B>+>>\delta \sigma >k>4>>>t>k>>>>\le >>t>>k>+>1>>>\le >>>At>k>>>C>->>\delta \sigma >k>4>>>t>k>>>>>s>$

下面给出上述相邻两块图像的质量指标须满足的约束条件的推导过程。对于图像块X_k，假设W_k与X_k是无关且均值为零，则对式(4)两端取方差得

$>>ver>>\sigma >^>>k>2>>=>>\sigma >k>2>>+>>\alpha >k>2>>>\sigma >wk>2>>->->->>(>6>)>>>s>$

其中，σ_wk²表示水印块W_k的方差。如果使用标准差来估计σ_wk²，则有

$>>>\sigma >wk>2>>=>>1>>>L>2>>->1>>>>>|>|>>W>k>>->ver>>W>‾>>k>>|>|>>2>>->->->>(>7>)>>>s>$

其中，W_k表示水印块W_k的均值，即 $>>ver>>W>‾>>k>>=>>\Sigma >>>w>ij>>\in >>W>k>>>>>w>ij>2>>/>>L>2>>.>>s>进一步，式(7)可以化为$

$>>>\sigma >wk>2>>=>>1>>>L>2>>->1>>>>(>>>|>|>>W>k>>|>|>>2>>->>L>2>>ver>>W>‾>>k>2>>)>>->->->>(>8>)>>>s>$

由式(5)得

$>>>\alpha >k>2>>>>|>|>>W>k>>|>|>>2>>=>>>>|>|>>X>k>>|>|>>2>>>t>k>>>->->->>(>9>)>>>s>$

利用式(8)和(9)，并考虑到W_k＝0，式(6)可以化为

$>>ver>>\sigma >^>>k>2>>=>>\sigma >k>2>>+>>>>|>|>>X>k>>|>|>>2>>>>(>>L>2>>->1>)>>>t>k>>>>->->->>(>10>)>>>s>$

如果使用标准差来估计σ_k²，类似地，也可以获得关系式

$>>>\sigma >k>2>>=>>1>>>L>2>>->1>>>>(>>>|>|>>X>k>>|>|>>2>>->>L>2>>ver>>X>‾>>k>2>>)>>>s>$

其中，X_k表示信号块X_k的均值。将上式代入式(10)得

$>>ver>>\sigma >^>>k>2>>=>>(>1>+>>1>>t>k>>>)>>>\sigma >k>2>>+>>>>L>2>>ver>>X>‾>>k>2>>>>>(>>L>2>>->1>)>>>t>k>>>>->->->>(>11>)>>>s>$

相似地，对于图像块X_k+1有

$>>ver>>\sigma >^>>k>2>>=>>(>1>+>>1>>t>>k>+>1>>>>)>>>\sigma >>k>+>1>>2>>+>>>>L>2>>ver>>X>‾>>>k>+>1>>2>>>>>(>>L>2>>->1>)>>>t>>k>+>1>>>>>->->->>(>12>)>>>s>$

将式(11)和(12)代入不等式(1)并化简得

$>>>>At>k>>>B>+>>\delta \sigma >k>4>>>t>k>>>>\le >>t>>k>+>1>>>\le >>>At>k>>>C>->>\delta \sigma >k>4>>>t>k>>>>->->->>(>13>)>>>s>$

其中：

$>>A>=>>\sigma >k>2>>>\sigma >>k>+>1>>2>>+>>>L>2>>>>L>2>>->1>>>>\sigma >k>2>>ver>>X>‾>>>k>+>1>>2>>>s>$

$>>B>=>>\sigma >k>2>>>\sigma >>k>+>1>>2>>+>>>L>2>>>>L>2>>->1>>>>\sigma >>k>+>1>>2>>ver>>X>‾>>k>2>>+>>>L>2>>>>L>2>>->1>>>>\delta \sigma >k>2>>ver>>X>‾>>k>2>>+>>\delta \sigma >k>4>>>s>$

$>>C>=>>\sigma >k>2>>>\sigma >>k>+>1>>2>>+>>>L>2>>>>L>2>>->1>>>>\sigma >>k>+>1>>2>>ver>>X>‾>>k>2>>->>>L>2>>>>L>2>>->1>>>>\delta \sigma >k>2>>ver>>X>‾>>k>2>>->>\delta \sigma >k>4>>>s>$

不等式(13)即为相邻两块图像的质量指标选择须满足的约束条件。显然，如果δ＝0，则t_k+1＝t_k。因此，在本实施例中，每个块上的质量指标设为t₁＝t₂＝…＝t_p＝30dB。

检测水印可以使用通常的相关检测器。首先，以水印密钥K作为随机数生成器的种子重新产生高斯序列{w_ij}_M×N。接着，按下式计算信号{w_ij}_M×N与待检测的载体信号X_w之间的线性相关系数。

$>>\rho >=>>1>MN>over>>\Sigma >>i>=>1>>Mover>over>>\Sigma >>j>=>1>>Nover>>>x>ij>w>>>w>ij>>>s>$

然后，比较ρ与阈值τ(τ＞0)：如果ρ＞τ，表明载体信号X_w中含有信息M＝1；如果ρ＜-τ，表明载体信号X_w中含有信息M＝0。τ的选择与错警率相关。这样，载体信号中隐藏的信息就被提取出来。检测水印也可以使用更复杂的检测器。

为了显示本发明的显著效果，本实施例给出一些利用实施例得出的实验结果。如前所述，原信号使用了典型的“辣椒”图像，如图2所示，其大小为512×512，相应的实验条件设为：要嵌入的信息为M＝1，子块的大小为L＝5，每个块上的质量指标为t₁＝t₂＝…＝t_p＝30dB，所以载体信号被分成了p＝102×102个子块。图3显示了利用实施例所述方法获得的含水印的载体图；图4为图3与原信号之间的误差图，为了显示清晰，每个象素点的值被放大了10倍。为了便于比较，本实施例还给出了使用一个全局质量指标t＝30dB和线性调制策略获得的含水印的载体图，如图5所示；图6是其相应的误差图，每个象素点的值均被放大了10倍。可以看出，在质量指标同为30dB时，图3中水印的不可见性要明显优于图5。这是因为，在图3中，每个局部区域上的失真都不会低于30dB，而图5仅仅是全局质量达到30dB，因此图像的某些局部质量会低于30dB。对比图4和图6，水印不可见性的优劣更为明显。水印嵌入虽然只是采用了简单的线性调制策略，但是本发明凭借局部水印强度调整因子α₁，α₂，…，α_p有效地使水印能量分布在载体信号的纹理和边缘区域，如图4，而只采用唯一全局调整因子，水印的能量是随机分布的，如图6。

进一步，本实施例通过JPEG压缩攻击来评估水印对信息损失的鲁棒性。为了在相同的水印不可见性前提下进行公平的比较，本实施例适当的减小了图5的水印嵌入强度；然后，图3和图5被分别压缩成一系列质量因子的JPEG图，并观测水印检测器的响应。如果规定错警率为P_fp＝10^-8，可以计算出相应的阈值为τ＝0.83(参见X.S.Zhu et al..Better Use of Human Visual model inwatermarking based on linear prediction synthesis filter.Lecture Notes inComputer Science(LNCS)3304，2005：66-76)。图7显示了不同质量的含水印载体信号对应的检测器输出响应，其中横坐标表示含水印载体信号与原信号之间的信噪比，图5的水印嵌入强度被缩小了1.2倍(取1.2倍只是示意性的，由于水印嵌入使用了线性调制策略，从图7中也可以看出其他倍数下水印的性能之差)。可以看出，本发明显著的提升了水印的鲁棒性，即使在空间域中本实施例仍然做到了可以抵抗失真约为14.4dB的JPEG压缩攻击。这是因为，实施例嵌入水印时尽可能利用了图像局部信息来增强水印的嵌入强度，因而能抵抗更强的信息损失。

本实施例获得的实验结果可以说明，使用本发明所述的方法不但实现了最优的水印局部不可感知性，而且水印的鲁棒性也得到了大幅提升。

本实施例给出了图像水印的实施效果，但本发明不限于图像水印处理，本发明同样适用于数字音乐、视频等流媒体的数字水印处理。

实施例2：

与实施例1不同之处在于，

步骤(1)的原信号X_o＝{x_ij}_M×N是“Lena”图像经8×8分块DCT变换得倒的频率系数，大小为240×240，要嵌入的信息M为0；

步骤(2)中，子块的大小为24×24，所以载体信号和水印信号都被分成了10×10个子块；

步骤(3)中采用基于8×8分块DCT变换的Watson感知模型评价信号的局部质量，并设定每个块上可接受的感知质量指标t₁＝t₂＝…＝t_p＝0.3。

步骤(4)中，首先利用Watson模型得到每个频率点的最大不可见修改量，记为D＝{d_ij}_M×N，按步骤(2)的方式再把D也分成10×10个子块，并记第k个块为D_k，然后在每个子块X_k内嵌入对应的水印块W_k，使用如下的嵌入函数

其中，“о”代表两个矩阵的对应分量相乘运算，水印强度调整因子可用设定的第k块上的质量指标获得，如下式

$>>QA>>(>>X>k>w>>,>>X>k>>)>>=>>>\Sigma >>>w>ij>>\in >>W>k>>>>>>[>>(>>X>k>w>>->>X>k>>)>>/>>d>ij>>]>>2>\; >=>>t>k>>>s>$

结合上述两式，可推出

$>>>\alpha >k>>=>>>t>k>>>|>|>>W>k>>|>|>>>,>1>\le >k>\le >p>.>>s>$

(5)最终把嵌入了水印的各个块按原有顺序组合在一起得到含水印的载体信号，即 $>>>X>w>>=>>X>1>w>>|>|>>X>2>w>>|>|>·>·>·>|>|>>X>p>w>>,>>s>然后实行逆8\times 8分块DCT变换即可得到含水印的“Lena”图像。$

本发明可以用其它具体形式来实施，而不脱离其精神或本质特征。所描述的实施例在所有方面(例如载体信号类型，质量评价方法，水印嵌入函数以及各种参数等)都被认为仅是说明性的而非限制性的。因此，本发明的范围由所附权利要求书而非上述描述来指示。落入权利要求的等效技术方案的意义和范围中的所有变化都包含在其范围之中。