随着数字技术的快速发展,通过电子屏幕显示和手机拍摄两个过程实现信息传输的应用场景越来越广泛。屏显-拍照过程是一种跨媒体传输方式,它对信息的破坏力更强,不但给屏摄图像带来严重的视觉失真,也会破坏其中用于保护版权和溯源的水印信息,进而造成版权保护的失效以及信息泄露行为难以被追踪溯源。因此,如何设计出一种能够适应屏摄信息传输的数字图像鲁棒水印方法成为近年来信息隐藏领域研究的热点问题。本文针对抵抗屏显-拍照攻击的水印算法展开研究,通过分析和建模屏摄过程引起的图像失真问题,提出了有效的解决方法。本文主要工作如下:（1）本文首先对屏显-拍照过程进行分析和建模,将屏摄图像失真主要概括为色彩失真、几何失真和摩尔纹失真等三种,从而为后续的抵抗屏显-拍照攻击的数字图像鲁棒水印方法研究奠定基础。（2）针对屏摄传输带来的失真问题,本文提出一种结合极复指数变换（PCET）和奇异值分解（SVD）以及纠错码的图像鲁棒盲水印算法。其中,PCET和SVD使水印对于几何失真和摩尔纹噪声具有一定的鲁棒性,借助量化索引调制（QIM）和图像RGB三个通道的水印重复嵌入,既抵抗了色彩失真,也实现多数投票机制下水印的盲提取。利用水印信号的CRC和BCH混合纠错编码进一步降低水印失真,最大限度地提高水印算法的鲁棒性。实验结果表明,相比于其他跨媒体鲁棒水印算法,本文提出的抗屏摄攻击图像鲁棒盲水印算法在不可感知性和鲁棒性上均有显著提高。（3）为进一步提高水印算法的智能化和鲁棒性,本文提出一种基于深度神经网络和对抗训练思想的抗屏摄攻击的图像鲁棒水印算法。首先利用U-Net网络实现水印的嵌入,然后设计了一个噪声层来模拟屏摄过程失真,其中包括几何失真、色彩失真、运动模糊、随机噪声和JPEG压缩等畸变,同时借鉴对抗训练思想在网络中加入鉴别器,并引入一种图像感知函数来提高载密图像的视觉质量。实验结果表明,相比于其他基于深度学习的跨媒体鲁棒水印算法,本文提出的抗屏摄鲁棒水印算法在不可感知性和鲁棒性上均有提高。