作为数字媒体版权保护的有效方法,数字水印技术已经得到了研究人员的广泛关注。目前已出现多种数字水印算法,特别是小波域数字水印算法更是研究热点。小波包作为小波技术的新发展,弥补了小波未能分解高频子带的缺陷,在数字水印的应用上极大地拓展了水印信息的嵌入空间。因此,小波包域数字水印技术也越来越多地受到人们的关注。目前,在图像水印中,出现了多种小波包域水印嵌入技术,但这些方法大多数嵌入的是伪随机序列或二值图像,较少涉及信息量丰富的灰度级图像水印,且大部分研究的是单水印。本文从小波包域水印算法的现状及不足出发,提出了两种小波包域的图像水印算法:针对目前小波包域嵌入的水印信息量不丰富的缺陷,提出采用较大灰度级图像作为水印,实现了一种小波包域灰度图像单水印算法;针对小波包域单水印和非盲水印实用性不强、安全级别较低的不足,提出在小波包域同时嵌入灰度图像和二值图像(盲水印)的双水印算法。本文的主要工作内容如下:小波包域灰度图像单水印算法中,对原始宿主图像进行了三层最优小波包变换,采用“熵”优化算法选择小波包分解的最优基,通过最优树叶子节点的能量提取宿主图像的特征点值,这样,用少而精的特征点值就表征了宿主图像,水印系统的处理速度得到大大提高;对水印进行分块处理后嵌入,分割方式作为密钥保存,增加了攻击者提取水印的难度;对嵌入区域的小波包系数进行离散余弦变换,去除嵌入子带图像之间相邻系数之间的相关性,减少了算法的视觉失真。本算法在水印类型和信息量方面是一个较大的突破,Matlab对比实验结果表明,在大多数鲁棒性能攻击测试中,与传统未进行离散余弦变换的小波包域水印算法相比,本算法提取水印的归一化相关系数NC值更大,水印性能更优越。小波包域双水印算法中,同时嵌入了较大灰度级图像水印和二值水印。其中,二值水印的提取采用BP神经网络建立提取模型,选择嵌入点周围3×3的方形窗口作为BP网络输入信号的邻域窗口,对角方向系数的增加,使得嵌入点周围的信息更全面,优于传统的十字窗口,整个提取过程不需要原始图像的参与,实现了盲提取。双水印的嵌入大大丰富了水印的信息量,水印的稳健性也更强,在各种鲁棒性能攻击测试下,算法提取的灰度水印和盲提取的二值水印的各项性能指标较优异,并且肉眼也能清晰可见提取的水印。实验结果证明了算法的可行性。