1.一种基于FFST和Hessenberg分解的抗RST攻击立体图像零水印方法，其特征在于：所述的抗RST攻击立体图像零水印方法包括按顺序进行的下列步骤：步骤1、根据原始立体图像特征信息生成零水印；

步骤1.1：将原始二值水印图像利用分数阶Arneodo混沌系统生成一个随机序列，通过对该序列进行排序获得一个位置索引向量，得到加密后的二值水印图像；

步骤1.2：将原始立体图像I的左、右视点图像分别从RGB空间转换到YCbCr颜色空间，获得YCbCr颜色空间下的两个亮度分量，分别对这两个亮度分量进行l层快速有限剪切波变换，并对变换后得到的两个低频子带进行非重叠分块；

步骤1.3：利用基于密钥的随机子块选择函数，根据原始二值水印图像的大小，从分块后的两个低频子带中成对地随机选择图像块；

步骤1.4：将步骤1.3获得的从两个低频子带中同一位置选出的两个图像块视为一组，并对其进行Hessenberg分解；

步骤1.5：通过对步骤1.4中所有Hessenberg分解后得到的两个系数子块的各自左上角元素的绝对值进行数值比较，构造鲁棒特征矩阵；

步骤1.6：将步骤1.1得到的加密后的二值水印图像和步骤1.5得到的鲁棒特征矩阵进行异或操作，生成最终的认证零水印图像，将认证零水印图像保存到水印注册中心的水印数据库中，并将零水印生成过程中的相关密钥和原始立体图像保存，由此完成零水印的生成过程；

步骤2、对待认证立体图像进行零水印检测；

步骤2.1：先采用基于傅里叶‑梅林变换的图像匹配方法对待认证立体图像的左、右视点图像分别进行几何攻击校正，获得校正后的待认证左、右视点图像；

步骤2.2：将校正后的左、右视点图像分别从RGB空间转换到YCbCr颜色空间，获得YCbCr颜色空间下的两个亮度分量，分别对这两个亮度分量进行l层快速有限剪切波变换，并对变换后得到的两个低频子带进行非重叠分块；

步骤2.3：利用步骤1.3中的基于密钥的随机子块选择函数，根据原始二值水印图像的大小，从分块后的两个低频子带中成对地随机选择图像块；

步骤2.4：将步骤2.3获得的从两个低频子带中同一位置选出的两个图像块视为一组，并对其进行Hessenberg分解；

步骤2.5：通过对步骤2.4中所有Hessenberg分解后得到的两个系数子块的各自左上角元素的绝对值进行数值比较，构造鲁棒特征矩阵；

步骤2.6：从水印注册中心取出之前保存的认证零水印图像，并与步骤2.5构造的鲁棒特征矩阵进行异或操作，得到未解密的二值水印图像；

步骤2.7：将未解密的二值水印图像经过Zigzag扫描成一维向量，再采用步骤1.1中的方法使用相同的密钥生成位置索引向量，最后利用该位置索引向量对上述一维向量进行反置乱，并对反置乱后的向量进行Zigzag逆扫描，得到最终的二值水印图像。

2.根据权利要求1所述的基于FFST和Hessenberg分解的抗RST攻击立体图像零水印方法，其特征在于：在步骤1.1中，所述的将原始二值水印图像利用分数阶Arneodo混沌系统生成一个随机序列，通过对该序列进行排序获得一个位置索引向量，得到加密后的二值水印图像的方法为：采用下面公式(1)所描述的分数阶Arneodo混沌系统产生长度为L的三个混2

沌随机序列{Pk|k＝X,Y,Z}，这里L＝n ，n为原始二值水印图像的尺寸大小，从产生的三个混沌随机序列中任意选出一个混沌随机序列Pk，对该序列进行升序或降序排列[Q,S]＝sort(Pk)，得到排序后序列Q和位置索引向量S(c)，再将原始二值水印图像经过Zigzag扫描成一维向量，根据上述位置索引向量S(c)对该一维向量进行置乱，并经历Zigzag逆扫描得到加密后的二值水印图像；

公式(1)中，b1，b2，b3，b4为分数阶Arneodo混沌系统的控制参数，x0，y0，z0为分数阶Arneodo混沌系统的初值，q1，q2，q3为阶数且q1，q2，q3∈(0,1)，以上控制参数、初值和阶数共

10个变量一起作为密钥Key1使用。

3.根据权利要求1所述的基于FFST和Hessenberg分解的抗RST攻击立体图像零水印方法，其特征在于：在步骤1.3中，所述的利用基于密钥的随机子块选择函数，根据原始二值水印图像的大小，从分块后的两个低频子带中成对地随机选择图像块的方法为：先对步骤1.2中快速有限剪切波变换分解后的两个低频子带进行非重叠分块，再采用下面公式(2)所描述的基于密钥Key2的随机子块选择函数，根据原始二值水印图像的大小，随机生成一定数量的非重复的二维坐标，每一个二维坐标的横、纵坐标中row、col分别表示所选图像块在相应左、右视点低频子带图像中的行号和列号，根据该行号和列号选择相应的图像子块，最终实现所有图像块的随机选择；

[row,col]＝Random_selection(block_range,count,Key2)  (2)公式(2)中，block_range表示每个非重叠图像块坐标的取值范围，count表示要选择的图像块的总数目，Key2表示密钥。

4.根据权利要求1所述的基于FFST和Hessenberg分解的抗RST攻击立体图像零水印方法，其特征在于：在步骤2.1中，所述的先采用基于傅里叶‑梅林变换的图像匹配方法对待认证立体图像的左、右视点图像分别进行几何攻击校正，获得校正后的待认证左、右视点图像的方法为：(1)假设原始左视点图像IL(x,y)和待认证左视点图像I′L(x,y)之间存在旋转、平移和缩放，其中旋转角度为α，平移量为(Δx,Δy)，缩放因子为σ；先分别对原始左视点图像IL(x,y)和待认证左视点图像I′L(x,y)进行灰度化以及傅里叶变换，得到与原始左视点图像IL(x,y)和待认证左视点图像I′L(x,y)相对应的频谱图像FL(u,v)和F′L(u,v)，再分别计算频谱图像FL(u,v)和F′L(u,v)的幅度谱AL(u,v)和A′L(u,v)，然后将幅度谱AL(u,v)和A′L(u,v)经高通滤波后转换到对数‑极坐标下，分别得到对数‑极坐标下的与原始左视点图像IL(x,y)和待认证左视点图像I′L(x,y)相对应的幅度谱AL(lgρ,θ)和A′L(lgρ,θ)；

(2)运用相位相关算法计算对数‑极坐标下的幅度谱AL(lgρ,θ)和A′L(lgρ,θ)之间的相对平移，进而得到旋转角度α和缩放因子σ；

(3)根据旋转角度α和缩放因子σ对待认证左视点图像I′L(x,y)进行校正，得到仅存在平移量的待认证图像IL_t(x,y)，再对原始左视点图像IL(x,y)和仅存在平移量的待认证图像IL_t(x,y)运用相位相关算法，得到平移量(Δx,Δy)；

(4)最后，根据平移量(Δx,Δy)对仅存在平移量的待认证图像IL_t(x,y)进行校正，最终得到校正后的左视点图像(5)同理，按照以上步骤(1)～(4)得到校正后的右视点图像

5.根据权利要求1所述的基于FFST和Hessenberg分解的抗RST攻击立体图像零水印方法，其特征在于：在步骤1.6中，所述的相关密钥为：将步骤1.1所采用的分数阶Arneodo混沌系统生成随机序列时使用的相关参数作为密钥Key1，将步骤1.3所述的利用基于密钥的随机子块选择函数的相关参数作为密钥Key2。