信息隱藏技術及應用4

1、1第第4 4章章 基于混沌特性的小波數字水印算法基于混沌特性的小波數字水印算法C-SVDC-SVDn4.14.1小波小波n4.24.2基于混沌特性的小波數字水印算法基于混沌特性的小波數字水印算法C-SVDC-SVDn 4.2.1 4.2.1 小波小波SVDSVD數字水印算法數字水印算法n 4.2.2 4.2.2 基于混沌特性的小波數字水印算法基于混沌特性的小波數字水印算法C-SVDC-SVDn4.3 4.3 圖像的數字水印嵌入及圖像的數字水印嵌入及 圖像的類型解析圖像的類型解析n4.4 4.4 聲音的數字水印嵌入聲音的數字水印嵌入n4.5 4.5 數字水印的檢測數字水印的檢測n4.6 4.6

2、數字水印檢測結果的評測數字水印檢測結果的評測 2內積空間344.1小波小波n4.1.14.1.1小波分析小波分析n4.1.24.1.2小波分析對信號的處理小波分析對信號的處理 54.1.1小波分析n小波變換是一種信號的時間小波變換是一種信號的時間- -尺度（時間尺度（時間- -頻率）分析方法，它頻率）分析方法，它具有多分辨率分析（具有多分辨率分析（Multiresolution AnalysisMultiresolution Analysis）的特點。）的特點。n小波分析方法是一種窗口大?。创翱诿娣e）固定但其形狀可小波分析方法是一種窗口大?。创翱诿娣e）固定但其形狀可改變，時間窗和頻率窗都可

3、以改變的時頻局部化分析方法。改變，時間窗和頻率窗都可以改變的時頻局部化分析方法。n在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，所以它被頻部分具有較高的時間分辨率和較低的頻率分辨率，所以它被譽為數學顯微鏡。譽為數學顯微鏡。n它在時域和頻域同時具有良好的局部化性質它在時域和頻域同時具有良好的局部化性質, ,在時頻兩域都具在時頻兩域都具有表征信號局部特征的能力有表征信號局部特征的能力. .6n通俗地講，小波(wavelet)是一種在有限(小)區(qū)域內存在的波，是一種其函數表達式具有緊支集，即在

4、有限范圍內函數不等于零的持殊波形。假設存在一個時域函數:4.1.1小波分析表示平方可積的實數空間，即能量有限的信號空間，其傅里葉變換為 。當滿足允許條件：7稱)(,tba為依賴于參數a,b的小波基函數由于尺度因子a,和平移因子b是連續(xù)變化的值，稱為連續(xù)小波函數基，是由同一母函數經伸縮和平移后得到的一組函數序列)(,tba連續(xù)小波函數8),(baWf為小波變換系數連續(xù)小波變換（CWT）9離散小波函數 將小波基函數)(1)(,abtatba 的a,b限定在離散的點上取值(1) 尺度a離散化。Zmaaam, 000離散小波函數：, 2 , 1 , 0,)(020jbtaajj(2) 位移b離散化。

5、采樣間隔b滿足Nyquist采樣定理，采樣率大于等于該尺度下頻率通帶的二倍。每當m增加1，尺度a增加一倍，對應的頻率減小一倍。在尺度j下，采樣間隔可以擴大ja0Zkjkbtaabkataatjjjjjkj,)()(002000020,Zkjkttjjkj,)22)(2,對應小波函數：10離散小波變換(DWT)離散小波變換dtttfkjWTkjf)()(),(*,離散小波反變換 jkjkkjtatf)()(*,11母小波函數有如下幾個特點：由容許條件推斷：由容許條件推斷：推斷：推斷：母小波函數至少必須滿足R0dt) t (0)0(或12131415小波幾個相關的概念16正則性一般用來刻畫函數的光

6、滑程度，正則性越高，函數的光滑性越好。小波基的正則性主要影響著小波系數重構的穩(wěn)定性，通常對小波要求一定的正則性（光滑性）是為了獲得更好的重構信號。消失矩和正則性之間還有很大關系，對很多重要的小波（比如，樣條小波，Daubechies小波等）來說，隨著消失矩的增加，小波的正則性變大，但是，并必能說隨著小波消失矩的增加，小波的正則性一定增加，有的反而變小。 174.1.2小波分析對信號的處理n(1) (1) 一維小波變換一維小波變換n(2) (2) 二維小波變換二維小波變換18(1) 一維小波變換一維小波變換19n反之分解后的兩個信號可以至新組合成原信號，這一過程稱為重構。個信號可以進行多次小波分

7、解，最終獲得的是一個低頻分量和若干個高頻分量。通過多次小波分解可以將信導的主要信息提煉出來，同時，可以通過分析不同層次的細節(jié)分量得到信號中的噪聲情況。因此，對一維信號的小波分解及重構可以實現(xiàn)消除噪聲的效果。n 從變換結果可以看出，原信號被分解為兩個分量一個低頻分量，一個高頻分量。低頻分量中擁有原信號的絕大部分能量，是原信號的主體部分；高頻分量具有較小的能量，表現(xiàn)原信導的細節(jié)信息。從兩組圖中可以看出低頻分量基本保持了原信號的信息。因此此低頻分量又被稱為原信號的近似分量，高頻分量又被稱為原信導的細節(jié)分景。20(2) (2) 二維小波變換二維小波變換n 圖像信號屬于典型的二維信號。n實際的圖像信號像

8、素點間一般都具有相關性，相鄰行之間、相鄰列之間的相關性最強，其相關系數呈指數規(guī)律衰減。n通過小波變換可以將信號從一個正交矢量空間變換到另一個正交矢量空間(即從空間域變換到頻率域)使變換后的各信號分且之間相關性很小或不相關。n二維小波變換分為不可分離的和可分離的。n可分離的二維小波變換技術相當于將信號在水平和垂直方向進行分解，因此它的分解結果將產生一個低頻分量和三個高頻分量。21可分離的二維小波變換22nL為水平方向的平滑逼近部分LL 為L的垂直方向的平滑逼近部分LH為L的垂直方向的細節(jié)部分nH為水平方向的細節(jié)部分HL 為H的垂直方向的平滑逼近部分HH為H的垂直方向的細節(jié)部分23n二維信號的小波

9、分解與一維小波分解具有相似的特征其低頻分量包含了絕大部分能量，體現(xiàn)了原信號的基本特征，因此被稱為近似分量；另三個分量分別代表水平高頻分量、垂直高頻分量和對角線高頻分量，它們具有較少的能量，體現(xiàn)了原信號的細節(jié)特征，因此也稱為細節(jié)分量。n根據具體需要，可以對信號進行多重小波分解，以得到合適的分量。多重小被分解可以得到不同頻率層中的信息，n對多種頻率的分析即為多分辨率分析。242526圖像小波變換6.ppt274.2基于混沌特性的小波數字水印算法C-SVDn對于任意MN矩陣B，都可以寫成BUVT，其中U和V分別是MM和NN的正交矩陣。是MN的對角矩陣。這種變換就稱矩陣SVD變換。284.2基于混沌特

10、性的小波數字水印算法C-SVDn4.2.1 小波小波SVD數字水印算法數字水印算法n定義定義4.1 E為小波為小波SVD(Wavelet Singular Value Decomposition)系數系數水印轉換，設水印轉換，設CA=CA(M,l)是圖像是圖像M在在l層的相近系數（低頻層的相近系數（低頻系數）的系數）的nn矩陣，考慮到矩陣，考慮到CA的單值的單值(奇異值奇異值)分解分解 29構成水印模版30n小波小波SVD系數水印轉換系數水印轉換E表示如下：表示如下： CAw =E(CA)=CA+W(CA) ，并進行小波逆變換（重構）即得到嵌入水印的圖像并進行小波逆變換（重構）即得到嵌入水印的

11、圖像。 n在該算法中嵌入個人信息時都是以個人信息作種子采用一在該算法中嵌入個人信息時都是以個人信息作種子采用一般的隨機數生成方法來生成隨機數。這不具備隨機序列對初般的隨機數生成方法來生成隨機數。這不具備隨機序列對初值敏感這一特性，因此有可能產生偽造圖像原創(chuàng)作者個人信值敏感這一特性，因此有可能產生偽造圖像原創(chuàng)作者個人信息來偽造水印現(xiàn)象。息來偽造水印現(xiàn)象。n為此本章提出了一種改進的算法，簡稱為此本章提出了一種改進的算法，簡稱C-SVD。它基于混它基于混沌隨機序列對初值敏感的特性，使用混沌模型生成混沌隨機沌隨機序列對初值敏感的特性，使用混沌模型生成混沌隨機序列，來代替一般的隨機數生成。序列，來代替一

12、般的隨機數生成。 314.2.2 基于混沌特性的基于混沌特性的小波數字水印算法小波數字水印算法C-SVDn混沌是發(fā)生在一個確定系統(tǒng)中的偽隨機運動?；煦绲淖畲筇鼗煦缡前l(fā)生在一個確定系統(tǒng)中的偽隨機運動。混沌的最大特征是對初始條件的微小變化表現(xiàn)出高度的敏感性，所謂征是對初始條件的微小變化表現(xiàn)出高度的敏感性，所謂“差差之毫厘，失之千里之毫厘，失之千里”。n系統(tǒng)在某個參數和給定的初始條件下，其運動是確定性的，系統(tǒng)在某個參數和給定的初始條件下，其運動是確定性的，但是該運動的長期狀態(tài)對初始條件極其敏感。混沌函數具有但是該運動的長期狀態(tài)對初始條件極其敏感?；煦绾瘮稻哂猩齑罄L和折回重疊的性質，所以有不可預測性

13、。伸大拉長和折回重疊的性質，所以有不可預測性。n混沌序列混沌序列Xn是一個偽隨機序列，是一個偽隨機序列，Xn對初值非常敏感。初對初值非常敏感。初始條件的任意小的改變如始條件的任意小的改變如1.0e-6，都會引起完全不同的行為。，都會引起完全不同的行為。其迭代軌跡就會大相徑庭，加上迭代方程本身的特點，初始其迭代軌跡就會大相徑庭，加上迭代方程本身的特點，初始值成為得到迭代序列的最關鍵因素。值成為得到迭代序列的最關鍵因素。因而因而Xn可以用作作品可以用作作品原創(chuàng)者的身份指紋。原創(chuàng)者的身份指紋。 32最基本混沌模型：蟲口模型Logistic映射33Logistic映射34Logistic映射35Log

14、istic映射36 我們根據參數的取值討論如下：01 時: 除了不動點Xs=0外，在也沒有其他周期點，且Xs為吸引不動點（吸引子），即迭代方程最后會歸于0，蟲子最終會滅絕。14時:系統(tǒng)的動力學形態(tài)更復雜。Logistic映射37Logistic映射:不同的值下蟲口模型時間序列38Lyapunov指數39Lyapunov指數40Lyapunov指數414243即是所謂的即是所謂的LyapunovLyapunov特征指數。特征指數。44n混沌區(qū)是一個特殊的區(qū)域，當混沌區(qū)是一個特殊的區(qū)域，當在混沌區(qū)取值時，在混沌區(qū)取值時，迭代軌跡將以指數級發(fā)散。將這些特點應用到數字迭代軌跡將以指數級發(fā)散。將這些特點

15、應用到數字水印算法中來，就形成了良好的改進算法。水印算法中來，就形成了良好的改進算法。45混合光學雙穩(wěn)模型混合光學雙穩(wěn)模型46生成生成Sn算法算法：47基于混沌隨機序列對初值敏感性特性提出的改進算法基于混沌隨機序列對初值敏感性特性提出的改進算法C-SVD：4849504.2.34.2.3小波函數的選擇小波函數的選擇n在在C-SVD算法中，對圖像嵌入水印，把水印疊加在圖像算法中，對圖像嵌入水印，把水印疊加在圖像能量最集中的部分。小波變換能將圖像分解到時域和尺能量最集中的部分。小波變換能將圖像分解到時域和尺度域上。所以選擇適當的小波基對原圖像進行度域上。所以選擇適當的小波基對原圖像進行l(wèi)級分解，級

16、分解，對前對前l(fā)級的差別分量保留，不做處理，對第級的差別分量保留，不做處理，對第l級的詳細分量級的詳細分量嵌入水印。嵌入水印。 n小波變換與傅氏變換的一個區(qū)別是小波變換的變換基不小波變換與傅氏變換的一個區(qū)別是小波變換的變換基不唯一。選擇小波函數時通常需要考慮小波的正交性、緊唯一。選擇小波函數時通常需要考慮小波的正交性、緊支集和消失矩。高階消失矩可以使變換快速衰減，小波支集和消失矩。高階消失矩可以使變換快速衰減，小波的消失矩越高，其支集越長。在的消失矩越高，其支集越長。在C-SVD算法中，采用具算法中，采用具有高階消失矩的緊支正交小波有高階消失矩的緊支正交小波-daubechies(db)小波，

17、其小波，其中濾波器長度為中濾波器長度為8，N=4。利用。利用db6進行小波分解的一層、進行小波分解的一層、兩層分解的結果如圖兩層分解的結果如圖4.6所示。所示。 51524.3 圖像的數字水印嵌入 n從兩個圖像的對比可以直觀地看到從兩個圖像的對比可以直觀地看到d/n的值越接近于的值越接近于1，數，數字水印的隨機性越好；越接近于字水印的隨機性越好；越接近于0，數字水印包含原圖像的，數字水印包含原圖像的信息越多。信息越多。5354圖像的類型解析n灰度圖像灰度圖像 nRGBRGB圖像圖像 n索引圖像索引圖像 55565758n 在嵌入水印的過程中會略微產生像素點值的差異，因為人的眼睛的分辨能力有限，

18、在正負8的灰度之內的色彩差距不會被人眼所識別，因此對于調色板呈均勻分布的索引圖傷來說不會產生效果上的變化。n但是，如果調色板分布不規(guī)律，則像素慎中的微小差距反映到圖像中的變化將是不可估量的，因此對這類圖像嵌入水印后才會產生圖49中的效果差異。n圖413顯示調色板不規(guī)律的圖像被更換調色板后圖像的顯示差異。5960由此可見對索引圖像直接采用小波由此可見對索引圖像直接采用小波C-SVD方法嵌入數字水方法嵌入數字水印是行不通的?？梢酝ㄟ^圖像類型轉換，將索引圖像首先印是行不通的?？梢酝ㄟ^圖像類型轉換，將索引圖像首先轉換為轉換為RGB圖像，采用對圖像，采用對RGB圖像嵌入水印的方法，再圖像嵌入水印的方法，

19、再將嵌入水印后的圖像由將嵌入水印后的圖像由RGB圖像轉換為索引圖像，這樣既圖像轉換為索引圖像，這樣既不會影響文件所占空間又不會產生調色板帶來的差距，圖不會影響文件所占空間又不會產生調色板帶來的差距，圖4.14顯示了索引圖像的水印嵌入過程。顯示了索引圖像的水印嵌入過程。 614.4 聲音的數字水印嵌入 WAVE 聲音文件可以看作一個列向量。根據聲音文件可以看作一個列向量。根據C-SVD方方法，如果要在法，如果要在WAVE 聲音文件中嵌入數字水印，要將聲音文件中嵌入數字水印，要將WAVE聲音文件轉換為二維矩陣，只有這樣才能通過計算二維矩聲音文件轉換為二維矩陣，只有這樣才能通過計算二維矩陣的相關系數

20、判斷水印存在與否。因此首先要將陣的相關系數判斷水印存在與否。因此首先要將WAVE聲音聲音文件這個列向量轉換為文件這個列向量轉換為n階方陣，不足的元素由階方陣，不足的元素由0來填充。來填充。接下來的操作與圖像的水印嵌入過程相同。然后將嵌入數接下來的操作與圖像的水印嵌入過程相同。然后將嵌入數字水印的方陣轉換為列向量，并根據填充字水印的方陣轉換為列向量，并根據填充0的元素個數將列的元素個數將列向量的最后幾個元素去掉。向量的最后幾個元素去掉。62一個一個WAVE聲音文件在嵌入數字水印前后的聲音波形圖。聲音文件在嵌入數字水印前后的聲音波形圖。 63n 從圖中可以看出，從圖中可以看出，WAVE聲音的波形變

21、動很小，人的聽聲音的波形變動很小，人的聽覺系統(tǒng)是無法分辨其間的差距的。覺系統(tǒng)是無法分辨其間的差距的。n 那么如何保護那么如何保護MP3音樂作品的版權呢？音樂作品的版權呢？n 可以對可以對MP3音樂聲音文件嵌入數字水印實現(xiàn)其版權保護。音樂聲音文件嵌入數字水印實現(xiàn)其版權保護。 方法為：將方法為：將MP3音樂聲音文件轉化為音樂聲音文件轉化為WAVE聲音文件，聲音文件，使用上面討論的對使用上面討論的對WAVE聲音文件嵌聲音文件嵌入數字水印的方法，再入數字水印的方法，再將將WAVE聲音文件轉化為聲音文件轉化為MP3音樂聲音文件音樂聲音文件.這要求水印是健這要求水印是健壯的，因為從壯的，因為從WAVE聲音

22、文件轉化為聲音文件轉化為MP3音樂聲音文件是一音樂聲音文件是一個有損壓縮的過程。個有損壓縮的過程。 644.5 數字水印的檢測 數字水印的檢測成功與否非常關鍵，一個信號數字水印的檢測成功與否非常關鍵，一個信號中的水印如果不能正確地被檢測出來，那么就失中的水印如果不能正確地被檢測出來，那么就失去了數字水印存在的意義。去了數字水印存在的意義。6566數字水印的檢測步驟數字水印的檢測步驟 設原圖像為設原圖像為XPXP，被檢測圖像為，被檢測圖像為XPXP，如下：，如下：(1)(1)將原圖像進行小波分解，得到低頻分量將原圖像進行小波分解，得到低頻分量CaCa(2)(2)將被檢測圖像進行小波分解，得到低頻

23、分量將被檢測圖像進行小波分解，得到低頻分量CaCa(3)(3)計算兩個低頻分量的差值計算兩個低頻分量的差值W=Ca-CaW=Ca-Ca(4)(4)由原圖像得到原水印由原圖像得到原水印W W(5)(5)計算兩個水印之間的相關系數計算兩個水印之間的相關系數 (6)根據相關系數判定水印存在與否根據相關系數判定水印存在與否 67n理論上講，當被檢測圖像中包含數字水印時，其相關系數應理論上講，當被檢測圖像中包含數字水印時，其相關系數應該為該為1 1，反之則介于，反之則介于0 0、1 1之間。之間。n但實際信號經過傳輸中的噪聲以及其它一些信息處理操作，但實際信號經過傳輸中的噪聲以及其它一些信息處理操作，都

24、會發(fā)生或多或少的改變，因此這里判斷出的相關系數很難都會發(fā)生或多或少的改變，因此這里判斷出的相關系數很難達到達到1 1或者是或者是0 0；只能根據相關系數向；只能根據相關系數向1 1和和0 0的趨近程度來判斷的趨近程度來判斷是否存在數字水印。是否存在數字水印。n矩陣對相關性相當敏感，不相關的矩陣經過通常的變換計算矩陣對相關性相當敏感，不相關的矩陣經過通常的變換計算出的相關系數非常接近于出的相關系數非常接近于0 0，而相關矩陣即使經過一些變換其，而相關矩陣即使經過一些變換其相關值也非常接近于相關值也非常接近于1 1，這使得判別水印的存在狀況有了依據。，這使得判別水印的存在狀況有了依據。 684.6

25、4.6數字水印檢測結果的評測數字水印檢測結果的評測4.6.1 4.6.1 參數參數d/nd/n與與對數字水印的影響對數字水印的影響 圖像的小波系數水印改變量用圖像的小波系數水印改變量用| (CA) | | (CA) | 來衡量，它來衡量，它受尺度參數受尺度參數控制。在數字水印的嵌入技術中除了初值之外控制。在數字水印的嵌入技術中除了初值之外還有兩個參數極為重要：一個是還有兩個參數極為重要：一個是d/nd/n，另一個是，另一個是 。 W(CA)W(CA)的隨機性由參數的隨機性由參數d/nd/n控制。控制。69參數參數d/nd/n與與對數字水印的影響對數字水印的影響d/n表示原矩陣被隨機矩陣替表示原

26、矩陣被隨機矩陣替代列數。代列數。d/n的值越接近于的值越接近于1，生成的，生成的水印隨機性越強，反之則越水印隨機性越強，反之則越象原圖像。象原圖像。70d/n=0.01d/n=0.01時，選取連續(xù)的時，選取連續(xù)的500500個初值生成的水印與原水印個初值生成的水印與原水印之間相關系數的比較結果。原水印的初值為之間相關系數的比較結果。原水印的初值為200200 71d/n=0.91d/n=0.91時，選取連續(xù)的時，選取連續(xù)的500500個初值生成的水印與原水印個初值生成的水印與原水印之間相關系數的比較結果。原水印的初值為之間相關系數的比較結果。原水印的初值為200200 72500個初值的100

27、組數據的比較結果73n從圖從圖4.184.18和圖和圖4.194.19的對比：當的對比：當d/nd/n越接近于越接近于1 1時，各初值生時，各初值生成的水印間的相關性越差，水印檢測效果比較明顯；當成的水印間的相關性越差，水印檢測效果比較明顯；當d/nd/n接近于接近于0 0時，各初值生成的水印間的相關性較強，水印不易時，各初值生成的水印間的相關性較強，水印不易被準確檢測出來。被準確檢測出來。n圖圖4.204.20顯示了顯示了500500個初值的個初值的100100組數據的比較結果。其中組數據的比較結果。其中d/nd/n的取值從的取值從0.010.01到到1 1，每次遞增，每次遞增0.010.0

28、1。從以上。從以上100100組數據組數據的變化規(guī)律以及前面的實驗結果可以得到以下結論：的變化規(guī)律以及前面的實驗結果可以得到以下結論：d/nd/n的的值越趨近于值越趨近于0 0，其生成的數字水印越接近于原圖像，不同初，其生成的數字水印越接近于原圖像，不同初值產生的數字水印之間的相關性越強，水印的檢測難度越值產生的數字水印之間的相關性越強，水印的檢測難度越大；大；d/nd/n的值越趨近于的值越趨近于1 1，其生成的數字水印越隨機，不同，其生成的數字水印越隨機，不同初值產生的數字水印之間的相關性越差，水印的檢測越準初值產生的數字水印之間的相關性越差，水印的檢測越準確。確。74n 從理論角度分析，兩

29、個圖像越相象，它們之間從理論角度分析，兩個圖像越相象，它們之間的相關性越強。當兩個圖像完全相同時，它們的相的相關性越強。當兩個圖像完全相同時，它們的相關系數為關系數為1；反之，兩個圖像越隨機，它們之間的；反之，兩個圖像越隨機，它們之間的相關性越弱。當相關性越弱。當d/n趨近于趨近于1時，隨機矩陣取代了絕時，隨機矩陣取代了絕大部分原矩陣數據，因此生成的水印圖像隨機性較大部分原矩陣數據，因此生成的水印圖像隨機性較強；強；d/n趨近于趨近于0時，隨機矩陣幾乎沒有對原矩陣產時，隨機矩陣幾乎沒有對原矩陣產生任何影響，因此生成的水印圖像比較相似?？梢?，生任何影響，因此生成的水印圖像比較相似?？梢?，上面的實

30、驗結果與理論分析完全一致。上面的實驗結果與理論分析完全一致。n 相關系數高的水印屬于弱水印，這類水印大多應相關系數高的水印屬于弱水印，這類水印大多應用于完整性確認；相關系數低的水印屬于強水印，用于完整性確認；相關系數低的水印屬于強水印，它廣泛應用于版權保護、身份確認等方面它廣泛應用于版權保護、身份確認等方面 75n的值為的值為0 0、1 1之間的實數，之間的實數，值的大小代表著水印信息在嵌值的大小代表著水印信息在嵌入水印后的圖像中痕跡所占比重。入水印后的圖像中痕跡所占比重。的值越接近于的值越接近于1 1，它所占，它所占的比重越大，越接近于的比重越大，越接近于0 0它所占的比重越小。它所占的比重

31、越小。n在在C-SVDC-SVD算法中，由于生成的數字水印是由原圖像得來的，算法中，由于生成的數字水印是由原圖像得來的，因此因此取值的大小不會對最終圖像的結果產生感官上的影響。取值的大小不會對最終圖像的結果產生感官上的影響。對于以其它途徑獲得的數字水印來說，適當地選取對于以其它途徑獲得的數字水印來說，適當地選取值極為值極為重要。重要。n對于用來進行內容保護或標記注釋的數字水印來說，盡量對于用來進行內容保護或標記注釋的數字水印來說，盡量選擇較大的選擇較大的值，以增強水印信息的影響力；而對于用在版值，以增強水印信息的影響力；而對于用在版權保護或信息隱藏方面的數字水印來說，要選取較小的權保護或信息隱藏方面