1.一种基于SIFT和图像拆分的鲁棒水印算法，其特征在于，包括水印嵌入方法，具体包括如下步骤：步骤1：对水印信息W进行logistics混沌置乱，得到置乱后的水印信息W'，logistic置乱的密钥μ和初值X0作为水印恢复密钥；

步骤2：将载体图像L拆分成LB和LC两张图像，对原始载体图像L及两张拆分图像LB和LC两分别进行SIFT特征点查询，分别对得到的特征点进行RANSAC算法剔除误匹配，选择三张图像都存在的特征点作为最终选取的特征点；

图像拆分具体操作为：

依次读入原始载体图像L的矩阵A的数据，如果是奇数行的奇数列数据和偶数行的偶数列数据写入矩阵B，其余数据写入矩阵C，形成两张拆分图像LB和LC；

步骤3：计算选取的载体图像L中每一特征点的幅值和幅角，以确定该特征点对应的特征区域，选择特征区域的内切正方形作为水印嵌入特征区域LROI；

步骤4：对选定的特征区域LROI进行一级整数小波变换后，得到LL，HL，LH，HH四个子带；

步骤5：将其中的低频子带LL进行4×4分块，并对分块进行奇异值分解，得到奇异值矩阵S；

步骤6：在矩阵S主对角线的前r个元素采用求模量化法嵌入水印；

步骤7：重建嵌入水印之后的子带LL，对子带进行逆整数小波变换；

步骤8：将嵌入水印后的特征区域与其他部分结合生成含水印图像L'。

2.根据权利要求1所述的基于SIFT和图像拆分的鲁棒水印算法，其特征在于，还包括水印提取方法，具体包括如下步骤：S1：将含水印图像L'拆分成LB'和LC'两个图像，对LB'和LC'分别进行SIFT特征点查询，得到两个图像的特征点和特征区域，选择两个图像特征区域的并集作为参考域D；

S2：对含水印图像L'进行SIFT特征点查询，将属于参考域D的特征点作为最终水印提取的备选特征点，对得到的备选特征点进行RANSAC算法剔除误匹配得到最终的特征点集合；

S3：计算选取的含水印图像L'中每一特征点的幅值和幅角，以确定该特征点对应的特征区域，选择特征区域的内切正方形作为特征区域L'ROI；

S4：将特征区域L'ROI做一级整数小波变换，得到4个子带，选取其中的低频子带LL'作为水印提取位置；

S5：将其中的低频子带LL'进行4×4分块，并对分块进行奇异值分解，得到奇异值矩阵S'：S6：从奇异值矩阵S'主对角线的前r个元素提取出水印；

S7：重建提取水印之后的子带LL'，对子带进行逆整数小波变换，结合其余部分重构得到载体图像L；

S8：根据密钥对提取出的水印信息W'进行logistics混沌置乱恢复，得到水印图像W。

3.根据权利要求1或2所述的基于SIFT和图像拆分的鲁棒水印算法，其特征在于，对图像进行SIFT特征点查询，具体操作为：第一，构造DoG尺度空间，在SIFT中使用不同参数的高斯模糊来表示不同的尺度空间，在DoG的尺度空间下检测极值点；

第二，删除不稳定的极值点，低对比度的极值点以及不稳定的边缘响应点；

第三，确定特征点的主方向；以特征点为中心、以预设半径值为半径的领域内计算各个像素点梯度的幅角和幅值，然后使用直方图对梯度的幅角进行统计，直方图的横轴是梯度的方向，纵轴为梯度方向对应梯度幅值的累加值，直方图中最高峰所对应的方向即为特征点的方向；

第四，生成特征点的描述子；首先将坐标轴旋转为特征点的方向，以特征点为中心的16×16的窗口的像素的梯度幅值和方向，将窗口内的像素分成16块，每块是其像素内8个方向的直方图统计，共可形成128维的特征向量；

SIFT的方向参数计算公式如下：

θ(x,y)＝arctan{[L(x+1,y)‑L(x,y‑1)/L(x+1,y)‑L(x‑1,y)]}式中：m(x,y)为点(x,y)处的梯度模值；θ(x,y)为点(x,y)处的梯度方向；L为关键点所在的尺度。

4.根据权利要求1所述的基于SIFT和图像拆分的鲁棒水印算法，其特征在于，所述步骤

6中采用求模量化法嵌入水印的嵌入公式如下：

p＝S(i,j)modq

其中，p是对矩阵S主对角线的前r个元素采用求模量化获得的和矩阵S主对角线的前r个元素对应的系数值，q是水印的嵌入强度：其中，S(i,j)是嵌入前的奇异值，S'(i,j)是嵌入后的奇异值，w是当前嵌入的水印信息。

5.根据权利要求2所述的基于SIFT和图像拆分的鲁棒水印算法，其特征在于，所述S6中对水印信息进行提取，使用公式提取出水印：奇异值的恢复公式为：

其中，p是对矩阵S'主对角线的前r个元素采用求模量化获得的和矩阵S'主对角线的前r个元素对应的系数值，q是水印的嵌入强度，S(i,j)是提取水印后的奇异值，S'(i,j)是提取水印前的奇异值，w是当前提取的水印信息。