随着社会的不断发展与进步，数字图像在我国各个领域都得到了广泛的应用，但是随之而来的产权问题也成为社会各界关注的焦点，因此鲁棒性数字水印技术的研究成为近年来的热点领域之一。　　能否抵御各种各样的水印攻击是衡量水印鲁棒性的重要指标。我国目前所采用的数字水印系统只会排除一些比较基础的信号干扰，抵御几何攻击(剪切、旋转、缩放等)的数字水印算法研究还有待进一步深入。几何攻击并不能从含水印的图像中去除水印信息，而是可以破坏数字水印信息的同步(即改变水印的嵌入位置)从而导致检测器检测不到水印信息。通常情况下，抵御几何攻击主要存在以下两种方法：一种是将水印嵌入到具有几何不变特性的区域中；另一种是在提取之前就对数据进行校正同步失真处理。论文围绕第二种策略进行研究，主要做了以下工作：　　(1)在水印嵌入过程中通过分析原始图像的RGB比例同时结合HVS特性，实现了动态调整水印嵌入强度，保证了水印的透明性。　　(2)在水印提取过程中，利用Hopfield神经网络的联想记忆功能实现了在水印提取之前将受攻击的嵌水印图像恢复到原始图像的大小或原始图像的朝向，以提高水印抵抗攻击的能力，同时实现了水印的盲检测。　　实验中采用二值图像作为水印，因为其具有承载信息量大，成本较低，且计算量小，实现方法简单等诸多优点。在Matlab2016实验平台上对参照算法与改进算法进行仿真，研究结果表明论文所提算法的鲁棒性、透明性较好。