现代互联网通信技术的发展和多媒体技术的普及,为图像、视频、音频等多媒体信息的共享与存储带来了便利。但同时带来了多媒体信息版权盗用的问题,造成了严重的信息安全隐患。数字水印技术以不可见的方式将版权信息嵌入多媒体信息中,能够有效实现版权保护和侵权行为追溯。本文针对使用较为广泛的静态图像载体,优化其在鲁棒性、不可感知性方面的综合性能,主要工作及创新点如下:1.针对现有方法难以抵御几何去同步攻击的问题,提出一种基于几何校正码的鲁棒数字水印算法。在水印嵌入阶段,水印图像和几何校正码被同时嵌入到载体图像中,以获得含密图像。在水印提取阶段,通过最小化提取的几何校正码与原始几何校正码之间的差异,对受到几何去同步攻击的含密图像进行几何校正,然后从几何校正后的含密图像中准确提取水印信息。实验结果证明,与现有水印方法相比,该方法对常见的几何去同步攻击具有更高的鲁棒性,并且在相同的隐藏容量下具有相近的不可感知性。2.针对现有的基于学习模型的方法不能充分提取并融合载体图像与水印图像特征的问题,提出一种基于U-Net网络的鲁棒数字水印方法。本方法首先建立基于U-Net网络的水印嵌入模型,充分提取并融合不同维度下载体图像与水印图像的特征,生成视觉质量优良的含密图像。接着建立同样基于U-Net网络的水印提取模型,在嵌入与提取模型之间添加噪声层,将受到攻击后的含密图像输入到水印提取模型中提取水印。在损失函数的约束下,网络模型学习在对攻击较鲁棒且不易引起视觉质量下降的区域内嵌入水印信息,从而优化方法综合性能。实验结果表明,该方法有效提高了不可感知性与鲁棒性。综上所述,本文以静态图像作为载体,在方法的设计中将可能的攻击纳入考量,提出了基于模拟攻击的鲁棒数字水印方法。实验证明本研究中所提方法的综合性能优于现有的方法。