随着计算机技术的迅猛发展,有关数字作品的版权问题、侵权问题等受到越来越多的关注。数字水印技术正是在这样的背景环境下产生,成为当前发展较快的领域之一。目前,如何协调数字水印的不可感知性及鲁棒性,对研究数字水印系统有着重要的理论和现实意义。通过对人眼视觉特性、神经网络及支持向量机理论的研究,实现基于人眼视觉特性的BP神经网络和支持向量机的自适应水印算法,主要研究的内容如下:(1)将人眼视觉特性之熵掩盖特性和BP神经网络相结合应用于数字水印技术中,在不影响水印透明性的前提下改变水印的嵌入强度,然后通过使用BP神经网络的方法实现对水印的盲提取。同时,在Matlab平台上所运用的算法做模拟仿真实验,同时针对各种典型攻击进行实验并且归纳分析。(2)根据人眼视觉系统中人眼对于亮度信号(Y)的改变相对于色度信号(U、V)的改变更加敏感这一特性,提出一种新的对比度掩盖特性的数字水印算法。该算法先利用对比度函数模型,将水印嵌入到人眼不敏感的位置,然后根据BP神经网络的非线性逼近特性,使得水印的提取只需一组密匙参数而不需要其他的信息,增强该方法的实用性。并与基于熵掩盖特性的BP神经网络的方法进行比较。通过多种数据表明,该方法对多媒体信息的保护可起到更好的效果以及发挥更好的作用。(3)利用支持向量机具有泛化能力强、非线性逼近和高维数等方面的优点,提出一种基于回归型支持向量机数字水印新算法。该算法可与图像局部的相关性相结合,进而可使得选取的特征向量相对稳定,同时得到SVR训练模型。大量攻击实验结果表明,在最佳的学习参数下,基于回归型支持向量机的对比度函数特性水印算法不仅具有良好的视觉效果及较大的水印容量,还可以保证水印的不可感知性和鲁棒性,且能够实现数字水印的盲提取。