图像的类型解析4.4声音的数字水印嵌入4.4声音的数字水印嵌入4.5数字水印的检测设原图像为XP，被检测图像为XP’，数字水印的检测步骤如下：(1)将原图像进行小波分解，得到低频分量Ca(2)将被检测图像进行小波分解，得到低频分量Ca’(3)计算两个低频分量的差值W’=Ca-Ca’(4)由原图像得到原水印W(5)计算两个水印之间的相关系数(6)根据相关系数判定水印存在与否理论上讲，当被检测图像中包含数字水印时，其相关系数应该为1，反之则介于0、1之间。但是一般说来，实际信号经过传输中的噪声以及其它一些信息处理操作，都会发生或多或少的改变，因此这里判断出的相关系数很难达到1或者是0。只能根据相关系数向1和0的趋近程度来判断是否存在数字水印。矩阵对相关性相当敏感，不相关的矩阵经过通常的变换计算出的相关系数非常接近于0，而相关矩阵即使经过一些变换其相关值也非常接近于1，这使得判别水印的存在状况有了依据。4.6数字水印检测结果的评测其中选取的初值为1到500之间的整数，原水印的初值为200。从两个图的对比中可以看出当d/n越接近于1时，各初值生成的水印间的相关性越差，水印检测效果比较明显；当d/n接近于0时，各初值生成的水印间的相关性较强，水印不易被准确检测出来。图4.20显示了500个初值的100组数据的比较结果。其中d/n的取值从0.01到1，每次递增0.01。从以上100组数据的变化规律以及前面的实验结果可以得到以下结论：d/n的值越趋近于0，其生成的数字水印越接近于原图像，不同初值产生的数字水印之间的相关性越强，水印的检测难度越大；d/n的值越趋近于1，其生成的数字水印越随机，不同初值产生的数字水印之间的相关性越差，水印的检测越准确。从理论角度分析，两个图像越相象，它们之间的相关性越强。当两个图像完全相同时，它们的相关系数为1；反之，两个图像越随机，它们之间的相关性越弱。当d/n趋近于1时，随机矩阵取代了绝大部分原矩阵数据，因此生成的水印图像随机性较强；d/n趋近于0时，随机矩阵几乎没有对原矩阵产生任何影响，因此生成的水印图像比较相似。可见，上面的实验结果与理论分析完全一致。相关系数高的水印属于弱水印，这类水印大多应用于完整性确认；相关系数低的水印属于强水印，它广泛应用于版权保护、身份确认等方面б的值为0、1之间的实数，б值的大小代表着水印信息在嵌入水印后的图像中痕迹所占的比重。б的值越接近于1，它所占的比重越大，越接近于0它所占的比重越小。在C-SVD算法中，由于生成的数字水印是由原图像得来的，因此б取值的大小不会对最终图像的结果产生感官上的影响。对于以其它途径获得的数字水印来说，适当地选取б值极为重要。对于用来进行内容保护或标记注释的数字水印来说，尽量选择较大的б值，以增强水印信息的影响力；而对于用在版权保护或信息隐藏方面的数字水印来说，要选取较小的б值以避免秘密信息的泄漏。4.6.2数字水印的抗压缩检测从这个改进的算法C-SVD可以得出以下结论：(5)产品依赖性：在相同的密钥条件下，当G算子用在不同的产品时，产生不同的水印信号，即对于任何特定的密钥K∈KS和任何XP1、XP2∈XS满足。(6)多重水印：对已知水印信号的产品用另一个不同的密钥再作水印嵌入是可能的。若，i=1,2,…n，那么对于任何，原始水印必须在中还能检测出来，即相关系数，这里n是一个足够大的整数使得XPn相似于XP0。而XPn+1与XP0却不相似。(7)鲁棒性：设XP0是原始产品，而XPw是加水印的产品并且，又设M是一个多媒体操作算子，则对于任何Y~XPw，，满足，而且对于任何，满足。(8)计算有效性：水印处理算法C-SVD比较容易用软件实现，实验表明水印检测算法是足够快的，能满足在产品发行网络中对多媒体数据的管理。