CN1333371C - 一种可抗几何攻击和常规攻击的数字水印方法 - Google Patents

Abstract

本发明公开了一种基于全图DCT变换的数字水印技术，属于多媒体信号处理领域。本发明的步骤是先进行水印的嵌入，包括：(1)通过对原图进行全图DCT变换，在变换系数中提取一个能代表原始图像重要视觉特征的向量；(2)利用该特征向量和要嵌入的水印通过Hash函数得到一个二值逻辑序列。然后进行水印提取，包括：(3)对被测图像进行全图DCT变换，找到待测图像的一个视觉特征向量；(4)利用Hash函数性质和嵌入时得到的二值逻辑序列来提取水印。本发明是基于全图DCT变换的数字水印技术，实验证明有较强的抗几何攻击能力和抗常规攻击能力。

Description

一种可抗几何攻击和常规攻击的数字水印方法

技术领域

本发明涉及一种基于DCT变换和图像视觉特征的数字水印技术，是一种多媒体数据保护方法，属于多媒体信号处理领域。

技术背景

目前数字水印是保护数字媒体版权的有效方法之一。数字水印拥有不可见性和鲁棒性。在鲁棒性方面，现在大多数水印只能抵抗常规攻击，对于常见的甚至是微小的几何攻击都无能为力。近年来，国外一些学者对抗几何攻击水印算法做了一些理论研究，但效果并不理想。O’Ruanaidh等基于Fourier-Mellin变换(含两次DFT变换和一次LPM对数极座标变换)，利用该变换拥有RST不变性实现水印的抗RST(Rotate，Scalling，Transtation)几何攻击能力，但该方法使得水印图像质量变得较差。Pereira等使用了模板***法，但模板的嵌入及提取较复杂，并且嵌入的信息容量小。Pitas等提出将水印信息嵌入DFT域环形区域或圆周上，但其只能提供较小的抗旋转能力和嵌入较少的信息。Kutter等提出的局部化水印虽然对剪切有较强的鲁棒性，但无法抵抗几何变换的组合攻击，他本人还提出了第二代数字水印的概念，即把水印信息嵌入在图像特征向量中。但都存在一些问题，并且

以上大部分是采用的是DFT变换，而目前的主流变换是DCT和DWT，DCT是目前JPEG压缩、H.261/263和MPEG-1/2的标准，它运算速度快，精度高，以提取特征成分的能力和运算速度之间的最佳平衡而著称，DWT是JPEG2000标准。

在数字水印研究领域，至今为止几何攻击仍是一个比较难以解决的课题，至于同时能有效抵抗这两种攻击类型的水印算法研究，目前尚未见报道，尚属空白。而实际应用中，数字水印图像常常同时受到这两种攻击。

发明内容

本发明的目的是提出一种既能抗击几何攻击又能抗击常规攻击的数字水印嵌入与提取方法，它有较高的鲁棒性，以保护数字媒体的版权。

为了实现上述目的，本发明是这样进行的：基于全图DCT以及视觉特征向量，并将水印技术与密码学有机结合起来，实现了数字水印的抗几何和常规攻击。本发明所采用的方法包括水印嵌入和水印提取两大部分，第一部分为水印嵌入，包括：(1)通过进行全图DCT变换，得到图像的一个视觉特征向量V(j)，(2)根据水印W(j)和图像的视觉特征向量V(j)生成一个二值逻辑序列key(j)。第二部分为水印提取，包括：(3)求出待测图像的视觉特征向量V’(j)，(4)利用二值逻辑序列key(j)和待测图像视觉特征向量V’(j)，提取出水印W’(j)。

现对本发明的方法进行详细说明如下：

第一部分：通过水印的嵌入操作，得到二值逻辑序列key(j)

首先用一组可以代表版权信息的二值伪随机序列W，

W＝{w(j)|w(j)＝0，1；1≤j≤L}作为数字水印，原始图像记为F＝{f(i，j)|f(i，j)∈R；1≤i≤N1，1≤j≤N2)}，其中，w(j)和f(i，j)分别表示水印序列及原始图像的像素灰度值，设N1＝N2＝N，水印的嵌入如下：

1)通过进行全图DCT变换，得到图像的视觉特征向量V(j)

先对原图F(i，j)进行全图DCT变换，得到DCT系数矩阵FD(i，j)，再对DCT系数矩阵FD(i，j)，进行Zig-Zag扫描，得到频率由低到高的DCT系数序列Y(j)，取前L个值，并通过DCT系数符号运算得到该图像的视觉特征向量V(j)，具体做法是当DCT系数为正是我们用“1”表示，系数为负或零时用“0”表示(原因见下部分)，程序描述如下：

FD(i，j)＝DCT2(F(i，j))

Y(j)＝Zig_Zag(FD(i，j))

V(j)＝-Sign(Y(j))

2)根据水印W(j)和图像的视觉特征向量V(j)生成一个二值逻辑序列key(j)

key(j)＝V(j)W(j)

Key(j)是由图像的视觉特征向量V(j)和水印W(j)，通过密码学常用的Hash函数生成。保存key(i)，在以后提取水印时需用。通过将key(j)作为密钥向第三方申请，以获得原作品的所有权，达到版权保护的目的。

第二部分：水印的提取

3)求出待测图像的视觉特征向量V’(j)

设待测图像为F’(i，j)，经过全图DCT变换后得到DCT系数矩阵为FD’(i，j)，按上述Stepl方法，求得待测图像的视觉特征向量V’(j)；

FD’(i，j)＝DCT2(F’(i，j))

Y’(j)＝Zig_Zag(FD’(i，j))

V’(j)＝-Sign(Y’(j))

4)在待测图象中提取出水印W’(j)

根据在嵌入水印时生成的key(j)和待测图像的视觉特征向量V’(j)，利用Hash性质可以提取出待测图像的水印W’(j)

W’(j)＝key(j)V’(j)

再根据W(j)和W’(j)的相关程度来判别待测图像的所有者。

本发明与现有的水印技术比较有以下优点：

由于本发明是基于DCT变换的数字水印技术，具有计算速度快，精度高，有较好的兼容性，有较强的抗几何攻击能力和抗常规攻击能力；嵌入水印不影响原始图像质量，是一种无损水印，在医疗、遥测、航空拍摄等方面具有实用价值，使用范围广，并且可容易实现多水印和大水印的嵌入与提取。

以下我们从理论基础和试验数据说明：

1)离散余弦变换

DCT用于图像编码是目前广泛使用的JPEG压缩和MPEG-1/2的标准。DCT是在最小均方差条件小得出的仅次于K-L变换的次最佳正交变换，是一种无损的酋变换。它运算速度快，精度高，以提取特征成分的能力和运算速度之间的最佳平衡而著称。

二维离散余弦正变换(DCT)公式如下：

$F(u,v)=c\left(u\right)c\left(v\right)\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)\cos \frac{\mathrm{\π}(2x+1)u}{2M}\cos \frac{\mathrm{\π}(2y+1)v}{2N}$

u＝0，1，…，M-1；    v＝0，1，…，N-1；

式中 $c\left(u\right)=\left\{\begin{array}{cc}\sqrt{1/M}& u=0\\ \sqrt{2/M}& u=\mathrm{1,2},...,M-1\end{array}\right.$

$c\left(v\right)=\left\{\begin{array}{cc}\sqrt{1/N}& v=0\\ \sqrt{2/N}& v=\mathrm{1,2},...,N-1\end{array}\right.$

二维离散余弦反变换(IDCT)公式如下：

$f(x,y)=\underset{u=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}c\left(u\right)c\left(v\right)F(u,v)\cos \frac{\mathrm{\π}(2x+1)u}{2M}\cos \frac{\mathrm{\π}(2y+1)v}{2N}$

x＝0，1，…，M-1；  y＝0，1，…，N-1

其中x，y为空间域采样值；u，v为频率域采样值，通常数字图像用像素方阵表示，即M＝N

从上面的公式可知，DCT的系数符号是和分量的相位有关的。

2)一种图像视觉主要特征向量的选取方法：

目前大部分水印算法抗几何攻击能力差的主要原因是：人们将数字水印嵌入在像素或变换系数中，图像的轻微几何变换，常常导致像素值或变换系数值的突然较大变化。这样嵌入的水印便被轻易攻击。如果能够找到反映图像几何特点的视觉特征向量，那么当图像发生小的几何变换时，该图像的视觉特征值不会发生明显的突变。Hayes研究表明对图像特征而言，相位比幅度更重要。我们对大量的全图DCT数据(低中频)经过观察发现，当对一个图像进行常见的几何变换时，低中频系数大小可能发生一些变化，但其系数符号基本保持不变，我们选取一些试验数据见表1所示。表1中用作测试的原图是图1(a)，是一个带黑边框的lena512。表中第1列显示的是图像受到攻击的类型，受到常规攻击后的图像见图1(b)-(d)，受到几何攻击后的图像见图2(a)-(e)。第2列到第11列，这是在DCT系数矩阵中取的F(1，1)-F(1，10)十个低中频系数，其中系数F(1，1)表示图像的直流分量值。对于常规攻击，这些低中频系数值F(1，1)-F(1，10)基本保持不变，和原图值近似相等；对于几何攻击，部分系数有较大变化，但是我们可以发现，图像在受到几何攻击时，部分DCT低中频系数的大小发生了变化但其符号基本没有发生变化。我们将正的DCT系数用”1”表示，负的系数用”0 ”表示(含值为零的系数)，那么对于原图来说，DCT系数矩阵中的F(1，1)-F(1，10)系数，对应的系数符号序列为：”1001000110”，见表1的第12列，我们观察该列可以发现，无论常规攻击还是几何攻击该符号序列和原图能保持相似，与原图归一化相关系数都较大(见第13列)，(方便起见这里取了10个DCT系数符号)。但为了进一步证明全图的DCT变换系数符号序列是属于该图的一个视觉重要特征，我们又把不同的测试图像(见图3(a)-(f))，进行全图DCT变换，求出对应的DCT系数F(1，1)-F(1，10)，见表2所示，第12列为DCT系数符号序列，第13列为与原图符号系列的相关度，可以发现不同的测试图像，它们相关度很小，这也可以说明DCT系数的符号序列可以反映该图像的主要视觉特征。当水印图像受到一定程度的常规攻击和几何攻击后，该向量基本不变，这也符合DCT“有很强的提取图像特征”能力。

表1图像全图DCT变换低中频部分系数及受不同攻击后的变化值

	第1列	第2列	第3列	第4列	第5列	第6列	第7列	第8列	第9列	第10列	第11列	第12列	第13列
															图像操作	F(1，1)	F(1，2)	F(1，3)	F(1，4)	F(1，5)	f(1，6)	F(1，7)	F(1，8)	F(1，9)	F(1，10)	系数符号序列	相关度
常规攻击	原图(有框)	2.219	-0.164	-1.381	0.325	-0.532	-0.204	-0.107	0.053	0.491	-0.077	1001000110	1.0
														jpeg压缩	2.221	-0.162	-1.380	0.324	-0.534	-0.205	-0.110	0.052	0.490	-0.076	1001000110	1.0
	高斯干扰	2.226	-0.181	-1.378	0.326	-0.542	-0.189	-0.107	0.076	0.487	-0.083	1001000110	1.0
														中值滤波	2.208	-0.169	-1.375	0.335	-0.526	-0.210	-0.116	0.052	0.497	-0.075	1001000110	1.0
	几何攻击	水平移动	2.219	-0.341	-1.331	0.342	-0.590	-0.054	-0.054	0.283	0.398	-0.128	1001000110														1.0
垂直移动														2.219	-0.180	-1.378	0.327	-0.538	-0.192	-0.103	0.075	0.488	-0.083	1001000110	1.0
		旋转	2.219	-0.131	-1.362	0.260	-0.507	-0.138	-0.055	0.077	0.349	-0.150	1001000110													1.0
Lena放大														3.203	-0.275	-1.207	0.452	-0.709	-0.162	-0.795	0.076	-0.200	-0.207	1001000100	0.75
		Lena缩小	1.427	-0.081	-1.236	0.194	-0.047	-0.191	0.312	0.096	0.205	-0.021	1001001110													0.83

*系数单位1.0e+004

表2不同的测试图像全图DCT变换的低中频部分系数

第1列	第2列	第3列	第4列	第5列	第6列	第7列	第8列	第9列	第10列	第11列	第12列	第13列
													图像名称	F(1，1)	F(1，2)	F(1，3)	F(1，4)	F(1，5)	F(1，6)	F(1，7)	F(1，8)	F(1，9)	F(1，10)	系数符号序列	相关度
原图lena512	5.071	-0.658	-0.094	0.503	0.420	-0.233	-0.033	0.218	-0.106	-0.213	1001100100	1.00
													baboo512	6.597	-0.051	0.189	0.221	-0.181	0.039	0.494	0.218	-0.456	-0.080	1011011100	0.25
peppers512	6.091	-0.006	0.021	-0.184	-0.415	-0.315	0.187	0.187	0.454	0.116	1010001111	-0.17
													crowd512	4.497	0.347	0.177	-0.063	0.015	-0.059	-0.036	0.167	0.183	0.137	1110100111	0.083
harbour512	6.430	-0.267	-0.073	0.079	0.023	0.032	0.030	-0.021	-0.035	-0.071	1001111000	0.01
													woman512	5.521	-0.545	0.482	-1.132	0.858	0.241	0.257	0.158	0.086	0.010	1010111111	-0.08

*系数单位：1.0e+004

3)水印嵌入的位置和一次性嵌入的长度

根据人类视觉特性(HVS)，低中频信号对人的视觉影响较大，代表者图像的主要特征。因此我们所选取的图像的视觉特征向量是低中频系数的符号(通过Zig_zag扫描实现频率的排序)，低中频系数的个数选择与进行全图DCT变换的原始图像的大小、以及一次性嵌入的信息量和要求的鲁棒性有关，L值越小，一次性嵌入的信息量越少，但鲁棒性越高。在后面的试验中，我们选取L的长度为32。

4)对于多水印的嵌入和提取

该发明可以进行多水印的嵌入。如果有n个水印，水印嵌入时我们可以通过Hash函数和图像的视觉特征向量V(j)求得第g个水印W^g(j)对应的二值逻辑阵列key^g(j)，key^g(j)＝W^g(j)V(j)，g＝1，2，...n；保存这些key^g(j)，在水印的提取时用到。提取水印时，利用不同的key^g(j)，和待测图像的视觉特征向量V’(j)，可以提取出所对应的多个水印W’^g(j)＝key^g(j)V(j)，g＝1，2，...n。如果要嵌入一个大水印，则可将其分割成多个小水印，再按多重水印来进行嵌入与提取。

综上所述，我们通过对全图DCT系数的分析，利用低中频系数的符号序列得到一种取得图像视觉特征向量的方法；并实现了对多水印和大水印的嵌入与提取方法。

附图说明

图1(a)是带边框的原图像。

图1(b)是图1(a)经过JPEG攻击的图像。

图1(c)是图1(a)经过高斯干扰的图像。

图1(d)是图1(a)经过中值滤波的图像。

图2(a)是经过水平移动的图像。

图2(b)是经过垂直移动的图像。

图2(c)是经过旋转变换的图像。

图2(d)是经过缩放1.2的图像。

图2(e)是经过缩放0.8的图像。

图3(a)是标准测试图Lena512。

图3(b)是标准测试图Baboo512。

图3(c)是标准测试图Peppers512。

图3(d)是标准测试图Crowd512。

图3(e)是标准测试图Harbour512。

图3(f)是标准测试图Woman512。

图4(a)是没有干扰时的水印图像。

图4(b)是图4(a)没有干扰时的水印检测结果。

图5(a)是高斯干扰强度为3％时的水印图像。

图5(b)是图5(a)的水印检测结果。

图6(a)是压缩质量为4％的水印图像。

图6(b)是图6(a)的水印检测结果。

图7(a)是旋转30度后的水印图像。

图7(b)是图7(a)的水印检测结果。

图8(a)是水平移动30pix后的图像。

图8(b)是图8(a)的水印检测结果。

图9(a)是缩放因子为0.6的水印图像。

图9(b)是图9(a)的图像水印检测结果。

图10(a)是缩放因子为1.2的水印图像。

图10(b)是图10(a)的图像水印检测结果。

图11(a)是长宽比0.4时的水印图像。

图11(b)是图11(a)的图像水印检测结果。

图12(a)是长宽比变1.4的水印图像。

图12(b)是图12(a)的图像水印检测结果。

图13(a)是剪切10％的水印图像。

图13(b)是图13(a)的图像水印检测结果。

具体实施方式

下面结合附图对本发明作进一步说明使用1000组独立的二值伪随机序列(取值为+1或-1)，每组序列长度为32bit，在这1000组数据中，任抽取一组(这里选择第500组)，作为嵌入的水印序列。原始图像见图4(a)，是一带有黑框的Lena512_square(512×512×8)，加黑色边框是为了保证在图像旋转等几何变换时能量守恒，设原图表示为F(i，j)，其中1≤i≤512，1≤j≤512对应的全图DCT系数矩阵为FD(i，j)，其中1≤i≤512，1≤j≤512，对其经过Zig_Zag扫描后得到频率由低到高排序的DCT序数为Y(j)，1≤j≤L，第一个值Y(1)代表图像的直流分量，然后由低到高的频率顺序排列。考虑到鲁棒性和一次性嵌入水印的容量这里我们取前32个系数，即L＝32。检测出W’后，我们通过计算归一化相关系数NC(Normalized CrossCorrelation)来判断是否有水印嵌入。

图4(a)是不加干扰时的水印图像；

图4(b)不加干扰时，水印检测器的输出，可以看到NC＝1.0，明显检测到水印的存在。

下面我们通过具体试验来判断该数字水印方法的抗常规攻击能力和抗几何攻击能力鲁棒性

先测试该水印算法抗常规攻击的能力(1)加入高斯噪声

使用imnoise()函数在水印图像中加入高斯噪音。

表3是水印抗高斯干扰时的检测数据。从实验数据可以看到，当高斯噪声强度高达为60％时，水印图像PSNR降至10.82，这时检测水印，相关系数NC＝0.75，仍能检测出水印的存在.这说明采用该发明有好的抗高斯噪声能力。

图5(a)为当高斯噪声强度为3％时的水印图像，在视觉上已很模糊；

图5(b)水印检测器的输出，能很明显的检测到水印的存在，NC＝1.0。

表3水印抗高斯噪声干扰试验数据

噪声强度(％)	1	3	5	10	20	40	60
								PSNR(dB)	21.48	18.31	16.73	14.59	12.81	11.40	10.82
NC	1.0	1.0	1.0	1.0	1.0	0.96	0.75

(2)JPEG压缩处理

采用图像压缩质量百分数作为参数对水印图像进行JPEG压缩；

表4为水印图像抗JPEG的试验数据。当压缩质量为很差，压缩质量为2％时，仍然可以测得水印的存在，NC＝0.96。

图6(a)是压缩质量为4％的图像，该图已经出现方块效应；

图6(b)是水印检测器的响应，NC＝0.96，检测效果明显。

表4水印抗JPEG试验数据

压缩质量(％)	2	4	8	10	20	40
							PSNR(dB)	26.31	27.89	30.67	31.97	34.66	35.37
NC	0.96	0.96	1.00	1.00	1.00	1.00

水印抗几何攻击能力

(1)旋转变换

表6为水印抗旋转攻击试验数据。表中可以看到当水印图像旋转45°时，NC＝0.60，仍然可以检测到水印存在；Pitas等人提出的抗几何攻击算法，把水印嵌入DFT幅度谱的园环中，只能抵抗不大于3度的旋转。

图7(a)是水印图像旋转30°，这时水印图像的PSNR＝13.36dB，信噪比很低；

图7(b)为检测的水印图像，可以明显检测到水印的存在NC＝0.81。

表6水印抗旋转攻击试验数据

旋转度数	0°	5°	10°	15°	20°	25°	30°	35°	40°	45°
											PSNR(dB)		17.51	15.27	14.40	14.03	13.66	13.36	13.22	13.22	13.16
NC	1.00	0.96	0.92	0.92	0.85	0.81	0.81	0.81	0.64	0.60

(2)平移变换

表7是水印抗平移攻击试验数据。从表中得知当水平或垂直移动30pix，仍然可以检测到水印的存在，故该数字水印有较强的抗平移能力。

图8(a)为图像水平右移30pix的情况，这时PSNR＝13.44dB，信噪比很低；

图8(b)为水印检测器输出，可以明显检测到水印的存在NC＝0.81。

表7水印抗平移试验数据

	水平移动				垂直移动
									距离(pix)	5pix	10pix	20pix	30pix	5pix	10pix	20pix	30pix
PSNR(dB)	18.39	16.30	14.50	13.44	21.81	18.94	16.40	15.03
									NC	0.96	0.96	0.85	0.81	1.0	1.0	0.96	0.79

(3)缩放变换

表8为水印缩放攻击试验数据，从表8可以看到当水印图像缩放因子小至0.5时，相关系数NC＝0.6，仍可测得水印。Pereira等^[6]采用的在DFT中置入模板的方法，只能抵御缩放因子不小于0.65的缩放，说明该发明有较强的抗缩放能力。

图9(a)为缩放因子为0.6的水印图像，PSNR＝11.82dB；

图9(b)是水印检测结果，可以明显检测到水印的存在NC＝0.73。

图10(a)是当缩放因子1.2时的水印图像，这时中心图像比原图的要大；

图10(b)为水印检测结果，可以检测到水印的存在，NC＝0.72。

表8水印缩放攻击试验数据

缩放因子	0.5	0.6	0.7	0.8	0.9	1.1	1.2	1.3
									PSNR(dB)	11.41	11.82	12.38	13.39	15.54	15.02	12.33	10.63
NC	0.60	0.73	0.73	0.92	0.92	0.72	0.72	0.56

(4)长宽比变化

表9为水印抗长宽比变换试验数据，从表中可以看到当长宽比为0.2时，仍然可以检测到水印的存在，NC＝0.88，说明该发有较强的抗长宽比变化的能力。

图11(a)为长宽比变为0.4的水印图像，这时中心图像明显变窄，PSNR＝12.26dB，值较小。

图11(b)为水印检测结果，NC＝0.88，可以明显检测到水印的存在。

图12(a)为当长宽比变大至1.4，中心图像见图像明显变宽，PSNR＝12.29dB；

图12(b)为水印检测结果，可以明显检测到水印的存在NC＝0.92。

表9水印抗长宽比变换试验数据

长宽比例	0.2	0.4	0.6	0.8	1.2	1.4	1.5
								PSNR(dB)	11.23	12.26	13.11	14.28	14.06	12.09	11.64
NC	0.88	0.88	0.85	0.92	0.92	0.92	0.77

(5)剪切试验

表10为水印抗切割试验数据，从表中试验数据可以得知该算法有一定的抗剪切能力。

图13(a)为对水印图像进行剪切10％的情况，这时PSNR＝15.73dB；

图13(b)为其水印检测情况，可以明显检测到水印的存在，NC＝0.64。

表10水印抗切割试验数据

切割比例	5％	10％	15％
				PSNR(dB)	22.24	15.73	17.17
NC	0.884	0.64	0.60

Claims (3)

1、一种可抗几何攻击和常规攻击的数字水印方法，其特征在于：基于全图DCT以及视觉特征向量，并将水印技术与密码学有机结合起来，实现了数字水印的抗几何和常规攻击，该数字水印方法共分两个部分，共计四个步骤：

第一部分是水印嵌入：通过对水印的嵌入操作，得到相应的二值逻辑序列key(j)；

1)对原图进行全图DCT变换，从DCT系数中，根据低中频系数的符号序列来得到该图的视觉特征向量V(j)；

2)利用Hash函数和要嵌入的水印W(j)，得到一个二值逻辑序列key(j)，key(j)＝V(j)W(j)；

保存key(j)，下面提取水印时要用到；通过把key(j)作为密钥向第三方申请，以获得对原图的所有权；

第二部分是水印提取：通过二值逻辑序列key(j)，和待测图像的视觉特征向量V’(j)，提取出水印W’(j)；

3)对待测图像进行全图DCT变换；在DCT系数中，根据低中频系数的符号提取出待测图像的视觉特征向量V’(j)；

4)利用Hash函数性质提取出水印，W’(j)＝key(j)V’(j)；

将W(j)和W’(j)进行相关度测试，来确定图像的所有权。

2、根据权利要求1所述的数字水印方法，其特征在于：在进行多个水印的嵌入时，每个水印对应一个二值逻辑序列key(j)；在水印的提取时，每个key(j)提取相应的一个水印，以实现多水印的嵌入与提取。

3、根据权利要求1所述的数字水印方法，其特征在于：在嵌入一个大水印时，可将大水印分割成多个小水印，再按多重水印来进行嵌入与提取。

Images