1.基于三重混合频率域的遥感影像水印嵌入方法，其特征在于，包括：获取初始遥感影像和原始水印图，并对所述原始水印图进行预处理，得到处理后的水印图；

对所述初始遥感影像进行离散小波和离散余弦的组合变换，得到初始的水印嵌入域；

将所述初始的水印嵌入域进行奇异值分解,生成遥感影像的奇异值矩阵；

对所述处理后的水印图进行二维离散小波变换，得到低频水印系数；

将所述低频水印系数进行奇异值分解，生成水印的奇异值矩阵；

将所述水印的奇异值矩阵融合到所述遥感影像的奇异值矩阵中形成新的矩阵值，再进行逆频率域变换，生成嵌入水印的遥感影像。

2.根据权利要求1所述的基于三重混合频率域的遥感影像水印嵌入方法，其特征在于：所述预处理包括：将所述原始水印图读取为二值QRCode，并采用Arnold置乱进行加密处理。

3.根据权利要求1所述的基于三重混合频率域的遥感影像水印嵌入方法，其特征在于，对所述初始遥感影像进行离散小波和离散余弦的组合变换，得到初始的水印嵌入域的具体步骤包括：使用'haar'小波对所述初始遥感影像进行两次三维离散小波变换，得到所述初始遥感影像的DWT低频系数；

对DWT低频系数图像进行8×8尺度的分块，并对所有子块进行离散余弦变换，取最稳定的DCT低频系数组成矩阵作为所述初始的水印嵌入域。

4.根据权利要求3所述的基于三重混合频率域的遥感影像水印嵌入方法，其特征在于，将所述水印的奇异值矩阵融合到所述遥感影像的奇异值矩阵中形成新的矩阵值，再进行逆频率域变换，生成嵌入水印的遥感影像具体步骤包括：使用混合嵌入对所述遥感影像的奇异值矩阵和所述水印的奇异值矩阵进行逆向奇异值分解，得到所述新的矩阵值作为恢复后的水印嵌入域；

利用所述恢复后的水印嵌入域替换所述初始的水印嵌入域，并对所述恢复后的水印嵌入域进行离散小波的逆变换，得到含有水印信息的低频系数；

将所述含有水印信息的低频系数进行离散小波的逆变换，生成所述嵌入水印的遥感影像。

5.根据权利要求4所述的基于三重混合频率域的遥感影像水印嵌入方法，其特征在于：根据如下公式对所述遥感影像的奇异值矩阵和所述水印奇异值矩阵进行混合嵌入：Iw＝α×Sw+Sz

其中，Iw为嵌入水印后的奇异值矩阵；Sw为所述水印的在奇异值矩阵；α为嵌入强度；Sz为所述遥感影像的奇异值矩阵。

6.基于三重混合频率域的遥感影像水印提取方法，包括：获取基于如权利要求1至5中任一项所述的基于三重混合频率域的遥感影像水印嵌入方法得到的嵌入水印的遥感影像，为待提取遥感影像；

对初始遥感影像和所述待提取遥感影像进行预处理，得到处理后的待提取遥感影像；

对所述处理后的待提取遥感影像进行频域变换，提取出水印的嵌入区域；

对所述水印的嵌入区域进行奇异值分解，得到奇异值，根据所述奇异值，计算得到嵌入的水印信息；

将所述嵌入的水印信息进行逆向奇异值分解，得到第一低频提取系数；

对所述第一提取低频系数逆频率域变换，得到提取的水印图像。

7.根据权利要求6所述的基于三重混合频率域的遥感影像水印提取方法，其特征在于，对初始遥感影像和所述待提取遥感影像进行预处理，得到处理后的待提取遥感影像的具体步骤包括：提取初始遥感影像的初始特征点集，使用Harris算子检测所述初始特征点集，并建立初始特征向量；

提取所述待提取遥感影像的提取特征点集，使用Harris算子检测所述提取特征点集，对所述初始特征点集和所述提取特征点集进行特征点匹配，并建立提取特征向量；

根据所述初始特征向量和所述提取特征向量，对所述待提取遥感影像进行矫正，生成所述处理后的待提取遥感影像。

8.根据权利要求7所述的基于三重混合频率域的遥感影像水印提取方法，其特征在于，对所述处理后的待提取遥感影像进行频域变换，提取出水印的嵌入区域的具体步骤包括：将所述处理后的待提取遥感影像进行波段提取和分割，得到分割图像；使用‘haar’小波对所述分割图像进行两次三维离散小波变换,生成第二低频提取系数；

对所述第二低频提取系数进行离散余弦变换，提取出所述水印的嵌入区域。

9.根据权利要求8所述的基于三重混合频率域的遥感影像水印提取方法，其特征在于，对所述第一提取低频系数逆频率域变换，得到提取的水印图像的具体步骤包括：对所述第一提取低频系数进行二维离散小波逆变换，并根据预设的Arnold参数进行置乱恢复，得到所述提取的水印图像。

10.根据权利要求9所述的基于三重混合频率域的遥感影像水印提取方法，其特征在于：根据如下公式计算得到嵌入的水印信息：

其中，Sw'为所述嵌入的水印信息，Szemb为所述奇异值，Sz为遥感影像的奇异值矩阵；

根据如下公式进行Harris算子检测：

L(x,y,δD)＝G(x,y,δD)*I

其中，M(x,y,δ1,δD)为自相关矩阵，(x,y)表示像素点的坐标，δ1是积分尺度，δD是微分尺度，*表示线性卷积操作，L(x,y,δD)表示遥感图像的高斯尺度空间，G表示均值为0、方差为δD的高斯函数；I表示灰度图像；Ix为x方向的差分，Iy为y方向的差分；

根据如下公式所述初始特征点集和所述提取特征点集进行特征点匹配：d(fk,fj)＝abs(Ak‑Aj)+abs(Sk‑Sj)其中，k为所述初始遥感影像的特征点个数，j为所述待提取遥感影像的特征点个数；Ak为统计所述初始遥感影像特征区域的像素均值，Aj为统计所述待提取遥感影像特征区域的像素均值；Sk为所述初始遥感影像统计区域像素均方差，Sj为所述待提取遥感影像统计区域像素均方差；abs(...)表示绝对值，e表示特征区域的像素点个数；当两点之间的d(fk,fj)最小时则两个特征点视为匹配。