数字浮水印的出现使原创图像、音视频等信息的保护更加便捷。基于人类视觉系统(HVS)的浮水印既能满足浮水印强健度的需求，又能保证优秀的图像质量，因此被广泛应用。恰可察觉失真度(JND)是基于HVS的典型浮水印强度计算方法。由于其在时域上的计算量巨大，目前多用于计算机而非嵌入式设备。本文使用Matlab等工具对传统时域JND进行算法仿真，并利用Haar离散小波变换的物理意义对时域上的JND进行近似运算，得到了适合于硬件描述语言实现快速的新JND算法，再以得到的JND结果作为量化误差，利用量化索引调制(QIM)方式将浮水印嵌入到位图中，以获得带有加密信息的图像。在对本文的算法进行仿真与分析后，对其进行优化使其PSNR与JND的传统算法相比误差在4%以内。为了进一步提高本文算法的运算速度，设计了一种五级流水线结构的JND运算电路，使其关键路径长度由一个平方根电路、七个加法器和两个个乘法器延迟总和缩减到三分之一平方根电路的延迟。为了对本文算法进行功能与时序的验证，使用硬件描述语言Verilog进行建模，并搭建了FPGA的SOPC系统。在Altera EP2C35FPGA上，处理图像位宽为8比特的256灰阶像素，电路共使用了1460个逻辑单元和330个寄存器。系统在120MHz的时钟下运行稳定。与无流水的JND运算电路相比，本文提出的算法在相同FPGA上的运算速度提高了75%。