1.一种基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法，其特征是，包括水印嵌入方法，具体如下：

获取HDR视频信息；

根据HDR视频信息以提取关键帧图像信息；

将所述关键帧图像信息的RGB数据定义为三阶张量；将关键帧图像信息的RGB数据分成不重叠的第一子张量；对所述第一子张量进行分解以提取待嵌入矩阵；

根据所述关键帧图像信息以分析形成亮度感知信息、对比度感知信息以及时间域感知信息；

并以亮度感知信息、对比度感知信息以及时间域感知信息构建JND模型；

将JND模型所对应的数据进行不重叠分块以形成与第一子张量一一对应的嵌入参考矩阵；

所述待嵌入矩阵与嵌入参考矩阵一一对应；

根据嵌入参考矩阵以将所预设的水印矩阵嵌入至待嵌入矩阵以形成完成嵌入矩阵，直至关键帧图像信息所对应全部的待嵌入矩阵均完成水印矩阵的嵌入；

将全部的完成嵌入矩阵进行逆向合成以形成完成水印嵌入的关键帧图像信息；

将全部完成水印嵌入的关键帧图像信息进行合成以形成完成水印嵌入的HDR视频信息。

2.根据权利要求1所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于根据HDR视频信息以提取关键帧图像信息的具体方法如下：获取HDR视频信息中全部的帧图像；

通过直方图差分法判断两个帧图像之间的差异以形成图像差异值；

将图像差异值与所预设的比较阈值进行相互比较，根据比较结果以选取对应的帧图像，将选取的帧图像作为关键帧图像信息。

3.根据权利要求2所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于形成图像差异值的方法如下：其中，l为HDR视频信息中包含的全部帧图像的数量；i表示第i帧的帧图像；h(fi)表示求解第i帧的帧图像的直方图；h(fi+1)表示求解第i+1帧的帧图像的直方图；max(h(fi),h(fi+1))表示选择h(fi)与h(fi+1)中的较大值。

4.根据权利要求1所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法，其特征是：关于形成亮度感知信息的方法如下：获取关键帧图像信息的第一亮度值；

将第一亮度值转化为构建JND模型所需的第二亮度值，具体公式如下：其中，log10(La)表示第二亮度值；log10(L)表示第一亮度值；

关于形成对比度感知信息的方法如下：根据相邻两个像素的第二亮度值以转换为对比度值；具体公式如下：其中， 为第i个像素与第j个像素之间的对比度值；Li和Lj为相邻亮度像素；k为高斯金字塔级别；

将对比度值转换为构建JND模型所需的视觉对比度响应值；具体公式如下：关于形式时间域感知信息的方法如下：定义关键帧图像信息中的像素点为(x,y)；

获取像素点(x,y)在时刻t的灰度I(x,y)；定义光流W＝(u,v)在该点的水平移动分量为u(x,y)和垂直移动分量为v(x,y)；

其中，

根据光流约束项Ec与全局平滑约束项Es以获取两者的极小化项E；

光流约束项Ec为：Ec＝∫∫(Ixu+Iyv+It)dxdy；

其中，

2 2

全局平滑约束项Es为：Es＝∫∫(|▽u|+|▽v|)dxdy；

2 2

其中，|▽u|+|▽v|为光流梯度模的平方和； 和 分别表示u和v的均值；

2 2 2

极小化项E为：min{E}＝min∫∫[λ(|▽u|+|▽v|)+(Ixu+Iyv+It) ]dxdy；

其中，λ为根据图中的噪声情况而进行预设的预设值；

E分别对u和v求导,得到光流W＝(u,v):构建形式的JND模型为：

JND＝La+T+W。

5.根据权利要求2所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法，其特征是：根据比较结果以选取对应的帧图像之后，对选取的帧图像做进一步的筛选，具体方法如下：

获取帧图像中每个像素点RGB值；

将该帧图像全部的像素点RGB值进行逻辑运算以形成信息量判定值；

将信息量判定值与所预设的信息量判定阈值进行相互比较，若信息量判定值大于信息量判定阈值，则将该帧图像定义为高信息量帧图像；若信息量判定值小于等于信息量判定阈值，则将该帧图像定义为低信息量帧图像；将高信息量帧图像与低信息量帧图像均作为关键帧图像信息。

6.根据权利要求5所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法，其特征是，关于水印矩阵的获取方法具体如下：获取初始水印图像；

将初始水印图像进行对称分块以分别形成第一预处理水印图像与第二预处理水印图像；

分别获取第一预处理水印图像与第二预处理水印图像所对应的RGB数据；

将第一预处理水印图像全部的RGB值进行逻辑运算以形成第一水印判定值；将第二预处理水印图像全部的RGB值进行逻辑运算以形成第二水印判定值；

将第一水印判定值与第二水印判定值进行相互比较；若第一水印判定值大于第二水印判定值，则将该第一预处理水印图像定义为高信息量水印图像，则将该第二预处理水印图像为低信息量水印图像；若第二水印判定值大于第一水印判定值，则将该第二预处理水印图像定义为高信息量水印图像，则将该第一预处理水印图像为低信息量水印图像；

其中，高信息量帧图像与低信息量水印图像相互对应，当对高信息量帧图像进行水印嵌入时，则将低信息量水印图像所对应的矩阵作为水印矩阵；低信息量帧图像与高信息量水印图像相互对应，当对低信息量帧图像进行水印嵌入时，则将高信息量水印图像所对应的矩阵作为水印矩阵。

7.根据权利要求1所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法，其特征是，包括水印提取方法，具体如下：获取完成水印嵌入的HDR视频信息；

根据完成水印嵌入的HDR视频信息以提取完成水印嵌入的关键帧图像信息；

将所述完成水印嵌入的关键帧图像信息的RGB数据定义为三阶张量；将完成水印嵌入的关键帧图像信息的RGB数据分成不重叠的第二子张量；对所述第二子张量进行分解以提取待提取矩阵；其中，第一子张量与第二子张量的大小相同；

待提取矩阵中提取水印矩阵以形成初始的待嵌入矩阵，直至完成水印嵌入的关键帧图像信息所对应全部的待提取矩阵均完成水印矩阵的提取；

将全部完成水印提取的待嵌入矩阵进行逆向合成以形成初始的关键帧图像信息；

将全部完成水印提取的关键帧图像信息进行合成以形成初始的HDR视频信息。

8.一种基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取系统，其特征在于，包括水印嵌入装置；该水印嵌入装置包括：第一获取模块，用户获取HDR视频信息；

关键帧图像提取模块，用于根据HDR视频信息以提取关键帧图像信息；

待嵌入矩阵分析模块，将所述关键帧图像信息的RGB数据定义为三阶张量；将关键帧图像信息的RGB数据分成不重叠的第一子张量；对所述第一子张量进行分解以提取待嵌入矩阵；

JND模型构建模块，用于根据所述关键帧图像信息以分析形成亮度感知信息、对比度感知信息以及时间域感知信息；并以亮度感知信息、对比度感知信息以及时间域感知信息构建JND模型；将JND模型所对应的数据进行不重叠分块以形成与第一子张量一一对应的嵌入参考矩阵；所述待嵌入矩阵与嵌入参考矩阵一一对应；

水印嵌入模块，用于根据嵌入参考矩阵以将所预设的水印矩阵嵌入至待嵌入矩阵以形成完成嵌入矩阵，直至关键帧图像信息所对应全部的待嵌入矩阵均完成水印矩阵的嵌入；

第一图像合成模块，用于将全部的完成嵌入矩阵进行逆向合成以形成完成水印嵌入的关键帧图像信息；以及

第一视频合成模块，用于将全部完成水印嵌入的关键帧图像信息进行合成以形成完成水印嵌入的HDR视频信息。

9.根据权利要求8所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取系统，其特征是，包括水印提取装置；该水印提取装置包括：第二获取模块，用于获取完成水印嵌入的HDR视频信息；

关键帧图像提取模块，用于根据完成水印嵌入的HDR视频信息以提取完成水印嵌入的关键帧图像信息；

待提取矩阵分析模块，将所述完成水印嵌入的关键帧图像信息的RGB数据定义为三阶张量；将完成水印嵌入的关键帧图像信息的RGB数据分成不重叠的第二子张量；对所述第二子张量进行分解以提取待提取矩阵；其中，第一子张量与第二子张量的大小相同；

水印提取模块，从待提取矩阵中提取水印矩阵以形成初始的待嵌入矩阵，直至完成水印嵌入的关键帧图像信息所对应全部的待提取矩阵均完成水印矩阵的提取；

第二图像合成模块，用于将全部完成水印提取的待嵌入矩阵进行逆向合成以形成初始的关键帧图像信息；以及

第二视频合成模块，用于将全部完成水印提取的关键帧图像信息进行合成以形成初始的HDR视频信息。

10.一种计算机可读存储介质，其特征是，存储有能够被处理器加载执行时实现如权利要求1至7中任一项所述的基于JND模型和T‑QR的鲁棒HDR视频水印嵌入提取方法的程序。