进入信息化时代以来，人们越来越依靠计算机来获取和利用信息，而数字化后的多媒体信息具有数据的海量性，与当前硬件技术所能提供的计算机存储资源和网络带宽之间存在很大的差距，这样就对信息的存储和传输造成了很大困难，成为阻碍人们获取和利用信息的一个瓶颈问题。
图像信息作为计算机上一个最重要的资源，对其有效的进行图像压缩处理无疑会给人们带来巨大的好处。但传统的图像块截断编码（block truncation coding，BTC）虽是一种极低复杂度的编码算法，但是当图像分块较大的时候，BTC编码算法会存在较为明显的块效应，且压缩效果较差等缺陷。针对这个问题，本文在传统的BTC编码算法基础之上提出了一种有序抖动块截断编码（Order dither block truncation coding，ODBTC），该算法不仅具有BTC编码算法的低复杂度特性，而且通过抖动矩阵来有效改善图像的压缩质量。
本文在ODBTC图像压缩编码的基础之上提出一种基于位平面的DCT域数字水印嵌入提取算法，该算法在嵌入水印之前，首先将水印图像进行位平面分解，然后在ODBTC编码之后图像位平面进行DCT域的水印嵌入，并对嵌入水印后的位平面进行DCT逆变换，从而获得获得水印嵌入的效果，最后通过解码，得到嵌入水印的宿主图像。进一步通过MATLAB平台进行算法的仿真实验，仿真结果表明在ODBTC编码的基础之上，基于位平面分解的数字水印算法具有良好的块效应，并对加噪，旋转，压缩等攻击具有较强的鲁棒性。
随着社会和科技的进步，数字化技术和网络技术也发展迅速，数字图像、数字音频、数字视频等各种多媒体数字作品在政府、军队、医院、学校等重要机构和领域得到了广泛的应用。利用数字媒体技术可以得到更多的复制品，但同时也容易被盗版者传播或复制，因而会给数字媒体的版权保护工作带来严重的影响。如果数字产品的版权问题得不到有效的保护，这将会给创作者和水印的所有者造成巨大的经济损失，同时也将会对削弱数字工作者的创作积极性，因而信息产业的发展将受到很大的阻碍。因此，如何更好地保护多媒体数字产品的版权和信息安全已经成为当前我们面临的一项重大的挑战。而数字水印技术可以有效地解决以上这些有关版权保护等的问题[1]。
数字水印技术源于信息隐藏技术，并由信息隐藏技术发展而来，为多个学科的交叉研究领域。数字水印技术通过将一些标识信息直接或间接嵌入和表示于数字载体之中，在不影响原载体的使用价值的基础之上，保证了水印信息自身的不易探知性和不易修改性，与此同时，通过特定手段提取出的水印信息又可确认信息的创建者和购买者进而达到版权保护等目的[2]。
进入信息化时代以来，人们越来越依靠计算机来获取和利用信息，而数字化后的多媒体信息具有数据的海量性，与当前硬件技术所能提供的计算机存储资源和网络带宽之间存在很大的差距，这样就对信息的存储和传输造成了很大困难。成为阻碍人们获取和利用信息的一个瓶颈问题。而图像信息作为计算机上一个最重要的资源，对其有效的压缩处理无疑会给人们带来巨大的好处。然而传统的块截断编码（即BTC编码）虽是具有极低复杂度的算法，但是在图像分块较大时具有明显的快效应，压缩效果较差，而有序抖动块截断编码（即ODBTC)则在继承传统BTC编码算法低复杂度的同时，因其算法中抖动矩阵的设计，有效的改善了图像压缩质量。
与此同时随着互联网技术的快速发展，人民生活水平的不断提高，物质生活水平的不断跟近，与之相对，人们对于精神文化的需求也不断增长，然而由于烦累的社会劳动和工作，由于现代社会时间的紧凑和紧张，随着富裕阶层人口的不断扩张和道路拥挤现象的不断加剧。使得现实意义上的物质追求越来越难以满足。然而与此同时，另一个问题却也不断突显，即盗版横行，而千万文化创造者的合法权益无法得到保护，如何在保证互联网文化的繁荣的基础之上保护文化创造者的版权以及保护文化创造者的合法利益。所以一个尖锐的问题摆在我们面前：面对如此庞大的影像信息，如何实现其在互联网上的快速传播，并保证其版权不受侵犯，这使得数字水印研究的展开显得尤为意义重大。其研究意义主要包括如下几个方面：
1).社会意义。数字水印技术作为人们数字作品版权保护的一种有效方法，可 以保护被侵权者的合法权益，同时也是惩治侵权者的有力证据，使得社会更加安定和谐，促进社会发展。
2).技术意义。数字水印作为隐藏学的一个重要分支，其技术意义非凡。数字 水印技术的不断发展激励着整个隐藏学的进步。数字水印也是一门与多种学科相交叉的学科，其包含了密码学、隐藏学、算法设计等多种学科，数字水印技术的发展也促进着其他学科的共同发展。
3).经济意义。数字水印技术在人们的数字产品受到版权侵害时能够形成有效 的保护，使人们的经济损失降到最低。同时也会为从事这方面研究的专家及机构带来一定的收益，一旦得到广泛应用，甚至是促进整个国家经济的发展。
数字水印（Digital Watermarking）技术是将一些标识信息（即数字水印）直接嵌入数字载体当中（包括多媒体、文档、软件等）或是间接表示（修改特定区域的结构），且不影响原载体的使用价值，也不容易被探知和再次修改。但可以被生产方识别和辨认。通过这些隐藏在载体中的信息，可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。数字水印是保护信息安全、实现防伪溯源、版权保护的有效办法，是信息隐藏技术研究领域的重要分支和研究特性。要求被嵌入水印信息必须满足三个条件：一是要求对原始载体对象的内容不产生影响，且不能被肉眼所察觉，即满足不可见性；二是要求嵌入的水印信息难以被损坏或清除，且能够提取出水印信息，即满足鲁棒性；三是要求这一嵌入和提取过程必须是通过在提前知道秘钥的前提下才能完成的，即满足安全性。也就是说，数字水印技术应该同时具备较强的不可见性、鲁棒性和安全性等。理想的数字水印算法应该能够隐藏尽可能多的数据信息，而不被肉眼所察觉，并且能够抵抗各种攻击。
目前，数字水印的划分有多种类型，具体来讲主要包括如下几个方面：
第一、根据数字水印的特性差异性可以将数字水印分为鲁棒数字水印和脆弱数字水印两类。
1).鲁棒水印(Robust Watermarking)主要用于在数字作品中标识著作权信息，利用这种水印技术在多媒体内容的数据中嵌入创建者、所有者的标示信息，或者嵌入购买者的标示（即序列号）。在发生版权纠纷时，创建者或所有者的信息用于标示数据的版权所有者，而序列号用于追踪违反协议而为盗版提供多媒体数据的用户。用于版权保护的数字水印要求有很强的鲁棒性和安全性，除了要求在一般图像处理（如：滤波、加噪声、替换、压缩等）中生存外，还需能抵抗一些恶意攻击。
2).脆弱水印（Fragile Watermarking），与鲁棒水印的要求相反，脆弱数字水印主要用于完整性保护和认证，这种水印同样是在内容数据中嵌入不可见的信息。当内容发生改变时，这些水印信息会发生相应的改变，从而可以鉴定原始数据是否被篡改。根据脆弱水印的应用范围，脆弱水印又可分为选择性和非选择性脆弱水印。非选择性脆弱水印能够鉴别出比特位的任意变化，选择性脆弱水印能够根据应用范围选择对某些变化敏感。例如，图像的选择性脆弱水印可以实现对同一幅图像的不同格式转换不敏感，而对图像内容本身的处理（如：滤波、加噪声、替换、压缩等）又有较强的敏感性，即：既允许一定程度的失真，又要能将特定的失真情况探测出来。
第二、根据数字水印的附载媒体进行划分，可以将数字水印划分为图像水印、音频水印、视频水印、文本水印以及用于三维网格模型的网格水印等。随着数字技术的发展，会有更多种类的数字媒体出现，同时也会产生相应的水印技术。
第三、根据检测过程划分，按水印的检测过程可以将数字水印划分为盲水印和非盲水印。非盲水印在检测过程中需要原始数据或者预留信息，而盲水印的检测不需要任何原始数据和辅助信息。一般来说，非盲水印的鲁棒性比较强，但其应用需要原始数据的辅助而受到限制。盲水印的实用性强，应用范围广。非盲水印中，新出现的半盲水印能够以少量的存储代价换来更低的误检率、漏检率，提高水印算法的性能。目前学术界研究的数字水印大多数是盲水印或者半盲水印。
第四、根据内容划分，数字水印的内容可以将水印划分为有意义水印和无意义水印。有意义水印是指水印本身也是某个数字图像或数字音频片段的编码；无意义水印则只对应于一个序列。有意义水印的优势在于，如果由于受到攻击或其他原因致使解码后的水印破损，人们仍然可以通过视觉观察确认是否有水印。但对于无意义水印来说，如果解码后的水印序列有若干码元错误，则只能通过统计决策来确定信号中是否含有水印。
第五、根据用途划分不同的应用需求造就了不同的水印技术。按水印的用途，我们可以将数字水印划分为票证防伪水印、版权保护水印、篡改提示水印和隐蔽标识水印。
第六、根据隐藏位置划分，我们可以将其划分为时(空)域数字水印、频域数字水印、时/频域数字水印和时间/尺度域数字水印。时(空)域数字水印是直接在信号空间上叠加水印信息，而频域数字水印、时/频域数字水印和时间/尺度域数字水印则分别是在DCT变换域、时/频变换域和小波变换域上隐藏水印。
数字水印具有如下几个方面的特征：
1).不可见性：又称隐蔽性，是指嵌入水印后的图像与原始载体图像在视觉上的相似度，两者之间应感觉不到差别。对于一个优秀的水印算法，嵌入水印后的图像不能有视觉质量上的下降，与原始载体图像相比，肉眼是分辨不出来两者的。
2).鲁棒性：又称稳健性，是指经历多种无意或有意的信号处理，如压缩、裁剪、打印、 滤波等以及一些蓄意的攻击后，数字水印仍能保持完整性或仍能被准确检测和提取。然而，鲁棒性并不是在所有的水印作品中都被要求的，相反，脆弱性水印中鲁棒性是被强制要求避免的，如真伪鉴别。
3).可容性：即原始载体图像嵌入水印信息的容量程度，又称之为图像感知容量，指原始载体图像在不发生形变或畸变的前提下可嵌入的水印信息量。可容性取决于原始载体图像的统计特性、冗余度、失真程度以及水印嵌入和提取算法是否能充分利用载体图像等。
4).可证性：对于多媒体数字产品来说，证明版权的存在和归属至关重要。数字水印就是版权所有者证明其拥有该数字产品版权的有力证据，符号、文字、图形等产品标识信息都可以作为水印嵌入到版权所有者的载体信息中，并可以通过计算机随时将这些信息从版权所有者的载体中提取出来。
5).安全性：一个密钥唯一地对应一个水印，不可能出现多个不同的密钥对应同一个水印。而且，未经授权不能随意改动或是提取出水印信息，保证授权者能够准确无误地提取出正确且唯一的水印信息。
其中，不可见性、鲁棒性、安全性和水印容量是数字水印主要特征，其中不可见性和鲁棒性是数字水印性能评估最主要的依据。数字图像水印算法要求在人们视觉感官上没有察觉的前提下，在载体数字图像中秘密地嵌入足够多的水印信息。而且理想的水印算法要求，嵌入水印后的载体图像在受到各种攻击后仍然能够从中提取出有效的水印，即保证水印具有良好的鲁棒性。其中，不可见性和鲁棒性是一对矛盾体，互相影响，不可见性越好，鲁棒性越差。因此，寻找两者之间的平衡点是数字水印的关键。同时，评价水印算法的优劣也需要一个标准，这个可通过以下两种评价标准实现。
从信号处理角度来看，嵌入载体对象的水印信号可以视为是在强信号中嵌入一个弱信号，当嵌入的水印信号的强度小于人类视觉系统的对比度门限时或听觉系统对声音的感知门限，人类视觉系统和听觉系统就感觉不到信号的存在。对比度门限和时间、频率及视觉系统空间特性有着非常密切的关系。所以，如果在视觉效果不备改变的情况下，我们可以通过对原始图像做适当的修改来嵌入水印信息。从通信的角度来说，水印信息的嵌入过程可以看作是利用扩频通信原理，在宽带信道上进行窄带信号的传输。水印信号本身的能量很弱，一旦分散到信道中就很难被检测出来。
一般来说，水印系统的通用模型包括两个阶段，即水印的嵌入算法和水印的提取算法。水印嵌入算法的目标是使水印在鲁棒性和不可见性之间找到一个较好的折衷。水印提取阶段主要是设计一个相应于水印嵌入过程的提取算法。水印检测算法一般是以基于统计原理的检验结果来判断水印是否存在，它的目标是使错判概率和漏判概率尽量小。提取算法是通过提取出来的水印与原始水印进行比较，从而进行判断水印是否存在。值得一提的是，目前大多数水印在嵌入和提取过程中都采用了密钥，其目的是为了给恶意攻击者增加去除水印的难度，这样只有掌握了密钥的人才能读出水印。
根据水印系统的类型进行分类，主要包括如下几种常见的水印类型。
第一、私有水印系统，检测水印时需要原始图像，由于这种水印方案只传递很小的水印信息，且检测时要求访问原始图像，因此比其它的水印方案鲁棒性强。
第二、半公开水印，检测水印时需要一个依赖于原始图像的密钥，这种水印一般不认为是公开的，它的应用范围受到了较大的限制。
第三、公开水印，即盲水印，其检测时既不需要原始图像也不需要嵌入的水印，但能从测试图像中提取出水印信息。
对图像水印嵌入算法的鲁棒性分析方面，主要考虑如下几个方面的参数[14,15]：
第一、嵌入信息的数量，这是一个重要的参数，因为它直接影响水印的鲁棒性。对同一种水印方法而言，要嵌入的信息越多，水印的鲁棒性越差。
第二、水印嵌入强度，水印嵌入强度(对应于水印的鲁棒性)和水印的可见性之间存在着一个折衷，增加鲁棒性就要增加水印嵌入强度，相应的也会增加水印的可见性。
第三、图像的尺寸和特性，虽然尺寸小的含有水印的图像没有多少商业价值。但一个水印软件应该能够从小图片中恢复出水印，这样可以有效地防止水印的马赛克攻击。除了图像尺寸外，图像的特性也对水印的鲁棒性产生重要影响，如对扫描的自然图像具有高鲁棒性的水印方案在应用于合成图像时，鲁棒性会大大削弱。一个合理的基准测试所能适应的图像尺寸应该很大，并且应能使用不同类型的测试图像。
第四、秘密信息(如密钥)，尽管秘密信息的数量不直接影响水印的可见性和鲁棒性，但对系统的安全性起重要作用。和其它的安全系统一样，水印系统密钥空间须足够大，以使穷举攻击法失效。
离散余弦变换域水印算法主要是在图像的DCT变换域的低、中频系数上来叠加水印信息。一般人眼的感觉最重要的像素是集中在低、中频区域，通常的图像处理操作不会改变低、中频段的数据。因为在离散余弦变换域上对图像信息进行量化是JPEG算法的核心，所以水印信息在经过量化过程后，可以抵抗一定程度的有损压缩。再则，DCT变换域系数的特征具有统计分布的数学模型，我们可以从理论上对水印的信息量进行估计。由于DCT变换的图像数字水印在做IDCT时会散布到整个图像中，所以水印信息受到中值滤波、裁剪和压缩等攻击的影响不大，因此DCT域的水印具有较高的鲁棒性和不可见性。基于以上的种种优点，DCT域图像数字水印算法已成为国内外研究的热点问题[16]。
离散余弦变换（DCT）是对实信号定义的一种变换，变换后在频域中得到的也是一个实信号，相比DFT而言，DCT可以减少一半以上的计算。DCT还有一个很重要的性质：大多书自然信号的能量都集中在离散余弦变换后的低频部分，因而DCT在数据压缩中得到了广泛的使用。由于DCT是从DFT推导出来的另一种变换，因此许多DFT的属性在DCT中仍然是保留下来的。基本原理是：将原图像分割多个无重叠像素块，并为每个像素块单独设计2电平量化器，之后基于每个像素块的特性进行电平重建，以达到压缩编码的目的[17]。
离散余弦变换包括一维离散余弦变换和二维离散余弦变换。其中，一维离散余弦变换是由N.Ahmed等人于1974年提出。假设为信号序列集合，其DCT的正变换定义为：
为了有效的计算DCT，许多算法被提出，一般DCT快速算法分为两种：间接算法和直接算法，两种算法都是集中在蝶型结构上，且目的都是为了减少乘法和加法的计算量。间接算法是利用DCT和DFT，DHT等正交变换之间的关系，用DFT或DHT快速算法来计算DCT。间接算法过程简单，主要工作是处理算法间的转换，因此往往需要加一些额外的操作步骤，由于将其他变换的快速算法应用在DCT中总有其自身的局限性，所以现在算法上已很少有人采用间接算法来计算DCT。直接算法包括DCT变换矩阵分解，递归算法两种技术，不同之处在于矩阵分解是利用稀疏矩阵分解法将变换矩阵分解，而递归算法是由较低阶DCT矩阵递归产生较高阶DCT矩阵，可以说递归算法是分解算法的逆算法，但递归算法较矩阵分解算法有良好的数值稳定性。
DCT变换有其独有的特点，首先水印信号经过离散余弦变换后，变换系数变成了不相关，再经过IDCT变换图像进行重构，出现的误差不会造成积累，它像噪声一样被分散到图像块中的每个像素中，并且变换能将数据块中的能量压缩到部分低频变换系数中去。
基于DCT域的数字水印算法，对于给定图像存在两种DCT变换方法：一类是直接对整幅图像进行DCT计算，选取合适的系数，嵌入水印。另一类是，首先将整幅图像分块，对每一块进行DCT计算，在每一块中选取合适的频段系数，将水印信息分散嵌入到所选取的每一块DCT系数中，这种方法称为分块DCT，通常块大小采用8×8像素点。
一般来说，蓝色噪声分布为人眼提供了最佳的图像质量。Ulichney在1993中提出了一种产生均匀有序抖动阵列的方法。该方法假设抖动数组的大小为M×N，其中每个元素都有自己的从0到(M×N-1)的整数顺序，然后将这些顺序归一化为图像中相当阈值的像素值，其具体步骤如下所示：
第一阶段是产生一个初始的二进制模式，其中使用高斯低通滤波器来检查少数像素密度，少数像素从最紧密的簇移动到最大的空隙。重复该过程，直到少数像素从最紧密的簇移动，并且最大的空位置是先前最紧密的簇位置。
第二阶段涉及三个步骤。首先，使用一个常数A来表示初始的二进制模式中少数像素的数量。然后通过在最大的无效位置插入少数像素，在A和中途点(M×N)/ 2之间输入值。最后，通过在最紧密的位置插入多数像素，从中途点输入所有大多数像素的值。
块截断编码是一种有效的、快速的有损图像压缩方法。与矢量量化和变换编码相比，块截断编码更加容易实现。因为它具有运算量低，所需存贮量小，简单、快速的低复杂度实现算法，以及良好的抗信道干扰特性等优点，所以长期以来在实时图像传输领域中一直受到人们的重视。实质上块截断编码是一个1比特自适应矩保持(Moment-preserving quantizer)量化器，它能够保持信号样本的一阶矩和二阶矩，使译码图像在一定程度上保持了原图像的局部统计特性。然而标准块截断编码算法和绝对矩块截断编码算法所能达到的比特率均为2比特/像素，同时其压缩比也不高。因此，为了进一步提高压缩比、减少比特率，并提高重建图像的质量随后又陆续出现了许多关于块截断编码的改进算法和自适应的或混合的块截断编码方案。例如，用中值滤波器，矢量量化，插值或预测等方法来对输出量化器的数据进行编码。然而，压缩比的增加，比特率的减少都是以重建图像失真度的增大或算法复杂度的增加为代价的[19]。
在标准的块截断编码中，将图像分段成为n×n无重叠图像块，4×4为典型块，并为各数据块而单独设计的2电平(1bit)量化器。量化门限和二个重建电平随一个图像块的局部统计特征而变化，因此该编码实际上是一个局部二进制处理过程，这种数据块的表达方式是由一个n×n比特映像所组成，该n×nbit代表了有关各像素的重建电平和确定两个重建电平的附加信息，而译码是个简单的处理过程，它在作为每比特映像的各像素位置，选定一个合适的重建值而完成译码。
根据上述原理可知，BTC编解码的整体流程图如下所示：
在公式3.6和公式3.7中，变量表示的是原始图像；变量表示的是解压缩后的图像。
在实验中采用三幅图象，Lena，claire1和monkey图像，它们的大小分别为256×256、256×256以及512×512，分辨率为8比特/像素，每幅图象都被分成若干块大小为4×4的块。
(a)原始图像 (b)块4X4 (c)块8X8 (d)块16X16
图3.2测试图像1
(a)原始图像 (b)块4X4 (c)块8X8 (d)块16X16
图3.3测试图像2
(a)原始图像 (b)块4X4 (c)块8X8 (d)块16X16
图3.4测试图像3
在图像进行ODBTC编码之后，可以获得图像的编码后的位平面，在此位平面，进行水印的嵌入和提取操作，下面首先对水印的嵌入操作进行介绍。基于ODBTC编码后的DCT域图像位平面分解的水印嵌入算法流程图如下图所示：
步骤1、根据本文第三章节所介绍的原理进行图像的ODBTC编码处理；
步骤2、对水印图像进行处理，获得其相应的位平面，将原始的水印图像转换为8个位平面图像。图像的位平面可以通过如下的示意图标示：
图4.2位平面分解图
从图4.1可知，对水印信息计算其位平面，通过处理之后，将一个水印图像转换为8个位平面。一幅数字图像的每一个像素都是以多比特的方式存在的，而每一个像素通常为8位(像素值0到255)。所谓位平面的含义便是将每一个像素值都分解为8个位宽的二进制值，所有同权值的位构成的平面称为一个位平面。
步骤3、对图像ODBTC编码之后的图像位平面进行二维分块DCT变换。
步骤4、对二维分块DCT变换后的水印图像进行基于随机序列水印嵌入操作，具体处理公式如下所示：
(4.1)
公式4.1中，变量w表示的是水印图像；变量f表示的是原始DCT域图像；变量f'表示的是嵌入水印后的DCT域图像。
步骤5、进行二维DCT逆变换，获得嵌入水印后的图像；
水印嵌入之后，则进行水印的提取操作。基于ODBTC编码后的DCT域图像位平面分解的水印提取算法流程图如下图所示：
根据该流程图，水印提取算法的详细步骤如下：
步骤1、对图像进行DCT变换，获得DCT域的嵌入水印图像；
步骤2、产生和嵌入水印相同的随机序列。由于水印在嵌入的时候，是根据随机序列的极性进行水印的嵌入。因此，我们在水印提取的时候，充分考虑了这个特性。
步骤3、将DCT变换后的嵌入水印图像和随机序列做相关运算，从而获得水印信息的嵌入位置和水印信息。该步骤是水印提取的核心步骤，其主要利用了随机序列的相关特性来实现的。
首先，随机序列具有四大特性，分别为随机序列中高低电平出现的次数大致相等；随机序列具有良好的相关特性；随机序列中连续出现的高电平或低电平被称为游程，而长度为n(n为自然数)的游程出现的次数占总游程数的1/2；随机随意将一个序列位移得到的新序列与原序列比较，只有一半的元素相同。
这里，我们首先对整个水印的嵌入和提取过程进行MATLAB仿真，仿真结果如下图所示：
(a)原始图像 (b)水印 (c)嵌入水印的图像 (d)提取的水印
图4.5水印嵌入和提取过程的MATLAB仿真
从图4.5的仿真结果可知，通过本文提出的算法，可以较好的提取水印信息，且嵌入水印后的图像基本不受水印的影响。下面将通过各种攻击测试来分析水印的鲁棒性。
·噪声攻击
噪声攻击是指通过对嵌入水印后的图像加入不同噪声干扰大小的噪声，进行水印的提取，并分析提取水印图像质量效果。这里添加高斯白噪声的大小为SNR=[-10,-5,0,5,10,15,20]
(a)PSNR指标 (b) NC指标
图4.6在不同噪声攻击下的图像水印提取仿真效果
(a)SNR=-5噪声攻击下的水印提取效果
(b)SNR=5噪声攻击下的水印提取效果
(b)SNR=20噪声攻击下的水印提取效果
图4.7在不同噪声攻击下的图像水印提取仿真效果
从图4.6和图4.7的仿真结果可知，当噪声大小SNR大于5db之后，提取的水印效果基本处于稳定状态，并获得了较好的水印提取效果，因此本文研究的水印提取算法具有较好的抗噪声鲁棒性。
·旋转攻击
旋转攻击是指通过对嵌入水印后的图像进行一定角度的旋转，然后再进行水印的提取，并分析提取水印图像质量效果。
(a)PSNR指标 (b) NC指标
图4.8在不同旋转攻击下的图像水印提取仿真效果
·压缩攻击
压缩攻击是指通过对嵌入水印后的图像进行一定程度的像素大小的压缩，然后再进行水印的提取，并分析提取水印图像质量效果。压缩大小为12.5%，25%，50%，100%。仿真结果如下图所示：
本章提出一种基于一种特别的基于ODBTC编码的水印算法，即在嵌入水印之前，先将水印进行位平面分解，而后在ODBTC编码之后解码之前形成的原图像位平面的DCT变换域上进行水印嵌，即在嵌入水印之前，先对位平面图像进行DCT变换域处理，而在嵌入之后，再做逆DCT变换，获得水印嵌入的效果，而之后通过解码，便可以获得嵌入水印的宿主图像，而事实证明，此算法在面对加噪，旋转，压缩等干扰攻击时，有较高的鲁棒性。
