基于QIM的数字图像水印算法研究
基于QIM的数字图像盲水印算法
基于QIM的数字图像盲水印算法
徐端全;朱光喜
【期刊名称】《华中科技大学学报：自然科学版》
【年(卷),期】2008(36)7
【摘要】提出了一种DCT域量化索引调制水印算法.水印嵌入在经过像素置换的相邻图像块DCT系数的差值上,根据二值水印的信息位对该差值进行正/负调制,从而实现水印的嵌入.为了平衡不可见性和鲁棒性的要求,根据人类视觉系统的掩蔽特性及图像局部特征对不同嵌入点的嵌入强度进行自适应调整,在确保视觉质量的前提下,得到良好的水印性能.实验结果显示该算法对各种常见图像处理具有良好的鲁棒性.
【总页数】4页(P10-13)
【关键词】数字水印;量化索引调制;离散余弦变换;人类视觉系统;盲检测
【作者】徐端全;朱光喜
【作者单位】华中科技大学电子与信息工程系
【正文语种】中文
【中图分类】TP309
【相关文献】
1.基于DWT-SVD压缩量化的数字图像盲水印算法 [J], 汤永利;张亚萍;高玉龙;叶青;闫玺玺
2.基于DCT变换下的DM-QIM数字图像水印算法 [J], 陈燕
3.基于QIM的数字图像水印技术研究 [J], 王春兴;宋秀梅
4.一种基于DWT_DCT的数字图像盲水印算法 [J], 张帅; 杨雪霞
5.基于Watson模型的改进QIM盲水印算法 [J], 胡自权;佘堃;刘金华
因版权原因，仅展示原文概要，查看原文内容请购买。
基于深度学习的数字图像水印技术研究
基于深度学习的数字图像水印技术研究一、引言数字图像水印技术是一种在数字图像中嵌入特定信息的方法，旨在保护图像的版权和完整性。
传统的数字水印技术存在容易被攻击的问题，而基于深度学习的数字图像水印技术则通过利用深度神经网络的强大表征能力来提高水印的安全性和鲁棒性。
本文将探讨基于深度学习的数字图像水印技术的研究进展。
二、深度学习概述深度学习是一种机器学习的分支，通过构建多层神经网络模型来建模和学习数据的复杂特征。
它的优势在于可以自动学习特征表示，并在大规模数据集上进行训练，具有较高的准确性和鲁棒性。
三、基于深度学习的数字图像水印技术基于深度学习的数字图像水印技术可以分为两个主要方向：水印嵌入和水印检测。
1. 水印嵌入水印嵌入是将水印信息嵌入到原始图像中的过程。
传统的方法通常是将水印信息转换为频域或空域，然后使用离散傅里叶变换或小波变换等技术将其嵌入到图像中。
而基于深度学习的方法则通过训练深度神经网络来学习图像的特征表示和水印的嵌入方式。
其中，卷积神经网络（CNN）是最常用的深度学习模型之一，可以提取图像的局部特征，使水印能够更好地嵌入到图像中。
2. 水印检测水印检测是从带水印的图像中提取出水印信息的过程。
传统的方法通常通过对嵌入水印的图像进行解水印操作，并通过相关的算法进行检测。
而基于深度学习的方法则通过训练深度神经网络来从复杂的图像中提取和识别水印信息。
深度学习模型能够学习到更丰富的图像特征表示，提高了水印的识别准确性和鲁棒性。
四、基于深度学习的数字图像水印技术的挑战和解决方案基于深度学习的数字图像水印技术在应用中面临一些挑战，例如水印容易被攻击、水印抵抗图像处理操作能力差等。
针对这些挑战，研究者提出了一些解决方案。
1. 对抗攻击对抗攻击是指攻击者通过对带水印的图像进行修改或篡改，以模糊或完全去除水印信息。
为了提高水印的鲁棒性，研究者提出了基于生成对抗网络（GAN）的方法。
GAN模型能够学习生成逼真的对抗样本，从而使水印更难以被攻击者检测和破坏。
基于深度学习的数字图像水印算法研究
基于深度学习的数字图像水印算法研究数字图像的水印技术是一种在数字图像中嵌入特定信息的技术。
它可以对图像进行一定程度的保护，防止盗用和篡改，同时也可以用于版权保护、数字通信以及数据隐秘传输等领域。
然而，由于数字水印技术的广泛使用，水印的可见性和鲁棒性等问题也越来越受到人们的关注。
在这种情况下，深度学习技术的发展为数字水印技术的改善提供了新的思路和方法。
深度学习技术在数字图像中的水印算法中的应用深度学习作为一种新兴的机器学习技术，其应用范围已经不仅仅局限于自然语言处理、图像识别以及语音识别等领域。
在数字图像中的水印算法中，深度学习技术也得到了应用。
深度学习技术可以通过大量的训练数据和神经网络的优化来提高水印算法的可见性和鲁棒性。
深度学习在数字图像水印算法中的应用主要体现在以下几个方面：一、深度学习算法可以根据训练数据学习到数字图像的高级特征深度学习算法可以通过大量的训练数据来学习到数字图像的高级特征。
在数字图像水印算法中，研究人员可以利用已有的数据集（如COCO、ImageNet）对神经网络进行训练，使得神经网络可以学习到数字图像的特征。
在数字图像水印算法中，这些学习到的特征可以用来提高水印算法的可见性和鲁棒性。
二、深度学习算法可以根据训练数据优化数字图像水印算法深度学习算法可以通过优化神经网络来优化数字图像水印算法。
在数字图像水印算法中，深度学习算法可以通过自动编码器、卷积神经网络、循环神经网络等算法来优化数字图像水印算法，从而提高水印算法的可见性和鲁棒性。
三、深度学习算法可以根据训练数据进行数字图像水印的嵌入和提取深度学习算法可以通过训练数据来学习数字图像水印的嵌入和提取。
在数字图像水印算法中，深度学习算法可以通过对数字图像的特征进行嵌入和提取来实现数字图像水印的添加和检测。
深度学习技术在数字图像中的水印算法中的优缺点在数字图像中的水印算法中，深度学习技术有其独特的优点和缺点。
优点一、提高了数字水印算法的可见性和鲁棒性深度学习技术可以通过训练数据和神经网络的优化来提高数字水印算法的可见性和鲁棒性。
基于图像处理的数字水印技术研究与应用
基于图像处理的数字水印技术研究与应用数字水印技术是一种将信息嵌入到数字媒体数据中的技术，可以用于版权保护、身份认证、数据完整性验证等方面。
基于图像处理的数字水印技术是数字水印技术中的一个重要分支，它主要应用于图像领域。
本文将对基于图像处理的数字水印技术进行研究与应用的相关内容进行探讨。
首先，我们来介绍一下数字水印技术的基本原理。
数字水印技术通过嵌入一段密钥信息到原始图像中，使得这段信息在视觉上不可察觉。
在数字图像处理中，通常将水印嵌入到图像的频域中，因为频域更加灵敏于人眼。
嵌入水印需要将原始图像进行一系列变换，比如离散余弦变换（DCT）或离散小波变换（DWT），然后将水印信息通过一定的算法嵌入到变换域中。
嵌入完毕后，再通过逆变换，将嵌入了水印信息的图像恢复回原始图像。
基于图像处理的数字水印技术的研究主要包括以下几个方面：水印嵌入算法、水印提取算法、水印检测算法和鲁棒性改善算法。
首先，水印嵌入算法是将水印信息嵌入到原始图像中的过程。
嵌入算法需要考虑到两个重要因素：水印的容量和图像质量的保持。
水印的容量越大，可以携带的信息量也就越多，但是这可能会造成图像质量的降低。
因此，如何在保持图像质量的前提下提高水印容量是一个常见的需求。
目前，常用的嵌入算法有基于块的嵌入算法和基于像素的嵌入算法。
前者将图像划分为多个块，然后在每个块中嵌入水印信息；后者则是直接修改图像的像素值来嵌入水印信息。
此外，还有一些改进的算法，如基于可见体模型（VQM）的水印嵌入算法和基于多层次的嵌入算法等。
其次，水印提取算法是将嵌入在图像中的水印信息提取出来的过程。
提取算法需要针对嵌入算法的特点进行设计。
一种常见的提取算法是使用嵌入算法的逆过程进行提取，即首先进行逆变换，将包含水印信息的图像恢复到嵌入前的状态，然后通过一系列操作将水印信息提取出来。
此外，还有一些改进的算法，如基于模板匹配的水印提取算法和基于自适应滤波的水印提取算法等。
第三，水印检测算法是判断图像中是否包含水印信息的过程。
基于内容的数字图像水印算法研究的开题报告
基于内容的数字图像水印算法研究的开题报告一、选题背景数字图像水印是一种在数字图像中添加特定信息并不影响图像质量的技术，其应用范围广泛，例如版权保护、数字版权管理、图像认证等领域。
目前已有很多数字图像水印算法被提出，其中基于内容的数字图像水印算法是一种相对较新的方法，它通过对图像的特征进行分析和提取，将水印信息与原图像进行关联，从而实现数字图像水印的嵌入和提取。
尽管已有些许研究对该算法进行了探讨，但是其中某些问题仍存在尚未解决，如水印提取的鲁棒性和鉴别性等问题，因此需要进一步进行研究。
二、研究目的与意义本研究旨在通过对基于内容的数字图像水印算法进行研究，在已有算法的基础上提出更有效的改进方案，并通过实验验证其性能，从而提高数字图像水印算法的可靠性与鲁棒性，并为数字版权保护、数字水印识别等领域提供更好的技术支持和应用。
三、研究内容和方法本研究的主要内容包括以下几个方面：1. 对基于内容的数字图像水印算法进行深入研究，分析其优缺点并探索其改进方向;2. 在研究已有算法的基础上提出一种改进方案，针对已有算法的缺陷进行优化，提高其鲁棒性和性能;3. 通过仿真实验对所提出水印算法进行评估和验证，探究其性能和可靠性。
本研究将采用文献调研、数学模型建立、算法设计与分析以及仿真实验等多种研究方法，全面深入地研究数字图像水印算法的相关问题。
四、预期成果与创新点本研究的预期成果包括：对基于内容的数字图像水印算法进行优化和改进，提出一种鲁棒性和性能更好的水印算法，并通过实验验证算法的有效性。
本研究的创新点在于提出了一种新的改进方案，有效地解决了数字图像水印算法中存在的某些问题，同时提高了水印算法的鲁棒性和可靠性。
该研究对数字版权保护、数字水印识别等领域的技术应用具有一定的推动作用。
五、研究时间安排本研究的时间安排如下：第一年：1. 文献调研与算法分析：全面梳理已有研究成果，对基于内容的数字图像水印算法进行研究和分析。
(3个月)2. 改进算法设计：在对已有算法进行分析的基础上，提出一种改进算法并进行详细设计。
基于Matlab的图像数字水印技术
基于Matlab的图像数字水印技术摘要：信息技术和计算机网络的迅速发展，使得包括图像在内的数字媒体信息的交流达到了前所未有的深度和广度，与此同时，也使得在网上传播的图像版权保护和服务认证面临着日益严峻的挑战。
做为信息隐藏技术在计算机领域的一项重要应用，数字水印具有双重安全性，即水印的添加与否具有不可知性以及水印的提取受秘钥的保护，因而非常适用于信息安全问题，为保护多媒体信息的版权及信息的合法使用提供了一种新的解决思路。
关键字：数字图像水印技术 Matlab正文：1.图像数字水印技术的概念与特点数字水印可以看作是插入到数字媒体中的数字信号或模板。
水印技术把媒体从一种形式转换为另一种形式，但是水印技术基本上没有改变媒体，确保媒体可以认知，一旦解密后，密码术对媒体没有任何保护，但水印可以始终保存在媒体中。
把与媒体、作者、版权和使用许可的有关信息作为水印嵌入到媒体中，需要时从媒体中检测或提取出这些信息，用于证明原创作者对作品的所有权的证据。
水印与宿主数据紧密结合并隐藏其中，成为宿主数据不可分离的组成部分。
1.1基本原理图像数字水印技术是指用信号处理的方法在图像数据中嵌入隐含标记，水印分为可感知和不易感知两种。
（1）可感知水印。
这是一种可以看见的水印，就像插入或覆盖在图像上的标识。
它与可视纸上的水印相似，这类水印一般选用较淡或半透明图案。
它既可以证明作品的归属，又不妨碍对作品的欣赏，主要应用于标识那些可在图像数据库或Internet上得到的图像预览，防止这些图像被作为商业用途。
（2）不易感知水印。
这是一种应用更加广泛的水印，主要用来鉴别产品的真伪及产权保护。
人们在感觉上的冗余是这种水印存在的前提。
与可视水印相反，它加在图像当中从表面上是不易察觉的。
由于数字产品都是为了满足感官需求，这就要求它的水印不可破坏其欣赏价值与使用价值，要求水印不引人注目。
虽然不易感知的数字水印不能阻止合法产品被非法复制，但是当发生版权纠纷时，所有者可以从中提取出标记，从而证明物品为某人所有。
数字图像水印算法研究
数字图像水印算法研究随着数字技术的发展，数字图像已经成为人们生活中不可缺少的一部分。
然而，数字图像也面临着安全和保护的问题，如何保护数字图像不被篡改和复制成为了当前学术界和工业界的重要研究方向之一。
数字图像水印技术就是指在数字图像中嵌入一些特定的标记信息，使得该信息可以在不影响原始图片质量的前提下被提取出来。
数字图像水印技术通常用于认证、版权保护、安全传输和数据隐藏等方面，并且在数字签名、数字证书、数字版权保护以及军事和金融等领域得到了广泛的应用。
数字图像水印技术按照不同的嵌入策略可以分为基于频域的水印嵌入技术和基于空域的水印嵌入技术。
其中频域水印算法主要是在DCT、FFT、DWT、SVD等频域变换下嵌入水印，而基于空间域的水印算法则是在图像的空间域嵌入一些标志性的信息。
另外，还有一种混合型的水印算法，即将基于空域和基于频域的水印算法有机的结合起来，以发挥两者的优点并弥补各自的缺点。
一般来说，数字图像水印算法的基本流程包括三个步骤：水印嵌入、水印提取和水印鲁棒性分析。
其中，水印嵌入是将一个特定的数字标志嵌入到原始图像中的过程，嵌入后的数字标志被称为水印，其目标是使水印能够耐受各种攻击和干扰。
水印提取是指在提取水印时，从带水印的图像中恢复出嵌入的水印，这需要一些特定的提取算法来实现。
水印鲁棒性分析是指在保证水印难以被攻击的同时，对水印嵌入进行一定的优化和调整，使其适应不同的应用场景。
目前，数字图像水印算法主要应用于网络版权、安全监控和远程医疗等领域，并且随着互联网技术的不断发展，数字图像水印技术也将得到进一步的加强和完善。
未来，在数字图像水印技术自身的完善和加强的推动下，数字图像水印技术将在更多领域得到应用，并发挥出更大的作用。
基于图像处理技术的数字水印算法设计与研究
基于图像处理技术的数字水印算法设计与研究数字水印技术是一种保护图像版权和验证图像完整性的重要方法。
它将一些隐蔽的信息嵌入到图像中，使其对于普通观察者来说是不可见的，但可以通过特定的算法进行提取和验证。
在数字水印技术中，图像处理技术发挥着至关重要的作用，通过对图像进行处理和分析，实现对水印信息的嵌入和提取。
本文将重点讨论基于图像处理技术的数字水印算法设计与研究。
首先，我们需要了解数字水印算法的基本原理。
数字水印算法的基本思想是在图像的一些特定区域或者像素上嵌入一些隐蔽的信息，通过这些信息可以进行版权保护或者图像完整性验证。
常用的数字水印算法包括空域算法、频域算法和小波域算法等。
在基于图像处理技术的数字水印算法设计中，我们可以采用空域算法。
空域算法是利用原始图像的像素值进行水印信息的嵌入和提取。
其中，最常见的算法是Least Significant Bit（LSB）算法。
该算法将水印信息嵌入到图像的最低有效位中，由于改变最低有效位对图像的质量影响较小，水印较为隐蔽。
在水印提取时，只需要提取最低有效位即可得到水印信息。
虽然LSB算法容易实现和计算量较小，但是对于一些攻击手段，如图像压缩、裁剪等，容易使水印失效。
为了提高数字水印算法的鲁棒性，我们可以采用频域算法。
频域算法是通过对图像进行离散傅里叶变换（DFT）或快速傅里叶变换（FFT）得到图像的频谱信息，然后将水印信息嵌入到频谱信息中。
这样做的好处是，频谱信息对于一些图像处理操作具有较好的鲁棒性。
常用的频域算法包括基于幅值谱的算法和基于相位谱的算法。
基于幅值谱的算法将水印信息嵌入到图像频谱的幅度中，从而实现对图像的版权保护；基于相位谱的算法则将水印信息嵌入到图像频谱的相位中，用于图像的完整性验证。
频域算法相较于空域算法更具有鲁棒性，但其计算量较大。
除了空域算法和频域算法，我们还可以采用小波域算法。
小波域算法是将图像进行小波变换，然后将水印信息嵌入到小波系数中。
基于MATLAB的数字图像水印算法研究与应用
基于MATLAB的数字图像水印算法研究与应用数字图像水印技术是一种信息隐藏技术，通过在数字图像中嵌入特定的信息，实现对图像的认证、版权保护、身份验证等功能。
在当今信息爆炸的时代，数字图像水印技术越来越受到人们的关注和重视。
本文将围绕基于MATLAB的数字图像水印算法展开研究与应用探讨。
一、数字图像水印技术概述数字图像水印技术是一种将特定信息嵌入到数字图像中并能够提取出来的技术。
通过在图像中添加水印信息，可以实现对图像的认证、完整性验证、版权保护等功能。
数字图像水印技术主要包括空域水印和频域水印两种类型，其中频域水印技术又包括离散余弦变换（DCT）域水印和小波变换域水印等。
二、MATLAB在数字图像处理中的应用MATLAB是一种强大的科学计算软件，广泛应用于数字图像处理领域。
其丰富的工具箱和便捷的编程环境使得MATLAB成为研究者和工程师首选的工具之一。
在数字图像处理中，MATLAB提供了丰富的函数和工具，可以实现图像的读取、显示、处理、分析等操作，为数字图像水印算法的研究与实现提供了便利。
三、数字图像水印算法原理1. 空域水印算法空域水印算法是将水印信息直接嵌入到原始图像的像素值中。
常见的空域水印算法包括LSB替换算法、LSB匹配算法等。
LSB替换算法是将水印信息嵌入到原始图像的最低有效位中，以保证对原始图像影响最小；LSB匹配算法则是通过调整像素值使得其最低有效位与水印信息相匹配。
2. 频域水印算法频域水印算法是将水印信息嵌入到原始图像的频域表示中，常见的频域水印算法包括DCT域水印和小波变换域水印。
DCT域水印是将水印信息嵌入到原始图像的DCT系数中，利用DCT变换的性质实现对原始图像的保护；小波变换域水印则是将水印信息嵌入到原始图像的小波系数中，具有更好的鲁棒性和安全性。
四、基于MATLAB的数字图像水印算法实现在MATLAB环境下，可以通过编写相应的代码实现数字图像水印算法。
首先需要读取原始图像和水印信息，然后根据所选的算法进行水印嵌入和提取操作。
基于视觉模型的迭代AQIM水印算法
152 2 基于 Watson 视觉模型 AQIM 算法
电 子 学 报
2010 年
QIM 是首先利用待嵌入信息 ( 水印) 来调制索引或 者索引序列 , 然后使用相应的量化器或量化器序列来 量化作品 , 以达到嵌入信息目的的算法 :
y = q ( x , m) ( 1)
w
w
1・ tL
w
( mE + δ ) 1 - w・ = m E・ tL ( ) Case2 :mod m E , 2 ≠W ( 1) 如果 δ≥ 0 Cw
( 6)
= ( m E + 1) ・ step E = ( m E + 1) ・ C0
( mE + δ ) 1 - w・ = ( m E + 1) ・ tL
w
w
1・ tL
w
( 7)
w
( 2) 如果 δ< 0 Cw
= ( m E - 1) ・ step E = ( m E - 1) ・ C0
( mE + δ ) 1 - w・ = ( m E - 1) ・ tL
w
1・ tL
w
tL ( i , j ,
( 8)
, 即 tL ( i , j , k ) ≥ C0 ( i , j , k ) 时 , step E = tL ( i ,
round ( q E) ,δ= q E - m E , 则其中 δ ≤ . C0 , mE = step E
式中 x 表示作品中待嵌入信息的载体向量 , m 表示待 嵌入信息 , q ( ) 表示量化函数 , y 表示经过量化后的载 体向量 . 但是 , 传统的 QIM 算法量化步长与待嵌入信息无 关 ,为了平衡嵌入信息的不可见性和鲁棒性 ,Cox 等提 出 AQIM 算法 , 采用 Watson 视觉模型[13 ,14 ] 中的对比度 掩蔽阈值 s ( i , j , k ) 作为量化步长 :
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于QIM的数字图像水印算法研究
作者：刘玲君
来源：《无线互联科技》2014年第11期
摘要：随着计算机网络的广泛应用，确保数字产品的版权及安全性已成为日益突出的问题。
其中数字水印作为一种有效的手段得到了广泛的注意。
其中，量化索引调制算法（QIM）是一种经典的水印算法，它根据水印信息，把原始载体数据用量化器量化到不同的索引区间，能在获取较高的鲁棒性同时，具有较小嵌入失真。
本文用Matlab软件模拟实现了QIM水印的嵌入的和提取，实验结果表明QIM算法能有效抵抗滤波、噪声、剪切等常见攻击。
关键词：数字水印；QIM；Matlab
1 引言
随着通信技术、计算机技术的飞速发展以及计算机网络的广泛应用，数字产品如图像、视频、音频等的版权日益引起人们的关注，其中数字水印作为一种有效的手段得到了广泛的注意。
它利用数据隐藏技术将特定的信息隐藏在数字产品中达到标示和保护著作权的作用[1-2]。
量化索引调制算法（QIM）是麻省理工大学的Chen和Wornell提出的一种经典的水印算法，能在获取较高的鲁棒性同时，具有较小嵌入失真[3]。
QIM算法的水印系统不仅容量大而且计算简单，因此，引起了广大研究者的重视。
2 QIM（Quantization Index Modulation）算法
QIM算法的主要思想是：根据水印信息，把原始载体数据用量化器量化到不同的索引区间，水印检测时则根据调制后的数据所属的量化索引区间来识别水印信息。
QIM算法的嵌入函数为： S（X，W）=QW（X）（1）
式中X和W分别是宿主信号和水印信息，QW（·）为水印量化器，S是量化器的输出值。
图1给出了量化器为均匀量化步长时的抖动调制示意图。
图中量化器Q（；W）用于嵌入水印信息w∈﹛0，1﹜。
符号◇和○标记的值分别属于量化器Q（；0）和Q（；1）。
调制方法为：若W=0，则用Q（；0）将宿主信号X量化为最相近的◇值；若W=1，则用Q（；1）将X量化为最相近的○值。
在接收端，水印信息可以从有噪的相应水印信号S'中提取，如果S'是Q（；0）的输出值，那么嵌入的水印比特被译码为‘0’；若S'是Q（；1）的输出值，则提取的比特为‘1’。
3 实验与分析
为了检验QIM算法的性能，本节将给出算法的实验结果。
实验中所使用的载体图像是512×512大小的Lena的8bit标准灰度图像，采用64×64大小的有“惠经”字样的二值水印图像。
数字水印的嵌入有两个基本要求，一个是不可见性，另一个是鲁棒性。
实验中我们使用峰值信噪比PSNR值和归一化相关来系数NC值分别作为不可见性和鲁棒性的评价标准。
算法不可见性：
如图2所示，算法嵌入水印的不可见性好，PSNR=42.0341。
算法鲁棒性
在实验中，我们对含水印图像分别进行添加椒盐噪声、中值滤波和剪切攻击三种常见的攻击后提取水印信息。
由图3可见，含水印图像受到常见攻击后算法能正确地检测出水印。
4 结论
综上所述：QIM算法在透明性好的前提下可以在椒盐噪声、中值滤波和剪切攻击下能正确提取水印信息，即QIM水印算法能在获取较小嵌入失真同时，具有较高的鲁棒性。
[参考文献]
[1]葛秀慧，田浩，郭立甫，等.信息隐藏原理及应用[M].北京：清华大学出版社.2008.
[2]张悦，舒华忠，伍家松，等.一种基于新的正交复数变换的鲁棒水印算法[J].电子学
报.2013（41）：1574-1579.
[3]B.Chen，G.W.Womell.Quantization Index Modulation：A Class of Provably Good Methods for Digital Watermarking and Information Embedding[J].IEEE Trans. on Information Theory， 2001（47）：1423-1443.。