随着多媒体技术的广泛应用，需要加密、认证和版权保护的数字作品也越来越多，因而如何防范这类数字作品的信息泄露以及发生信息泄漏时怎样追根溯源显得非常重要，因此对数字作品进行版权保护和身份认证已成为一个迫在眉睫的现实问题。本文在分析总结国内外学者研究成果的基础上，研究了版权保护和身份认证中的数字水印算法和指纹识别算法，主要工作如下：首先，研究了基于核模糊C均值聚类、奇异值分解和人类视觉感知模型的复小波域水印算法。算法首先采用与人类视觉系统相关的载体图像背景和纹理进行核模糊聚类，然后把载体图像经复小波分解得到的低频系数做奇异值分解处理，最后把水印嵌入到奇异值中。实验结果表明，该算法具有很好的鲁棒性和不可见性，性能大大优于基于空间域和小波域的相关水印算法。其次，提出了基于尺度不变特征变换(SIFT)、伪Zernike矩和复Contourlet变换抗几何攻击水印算法。算法首先选择复Contourlet变换低频近似分量作为SIFT算法的样本总体，利用关键点构造图像的局部兴趣特征点范围，计算此范围的伪Zernike矩并归一化处理，对每个图像的局部兴趣特征点范围采用抖动量化矩幅值法嵌入水印。实验证明该算法对几何攻击具有很强的鲁棒性。随后，实现了基于灰度级-梯度直方图的二维最小Tsallis交叉熵阈值分割快速迭代算法。采用灰度级-梯度直方图及其区域划分方法，导出了基于该二维直方图区域划分的最小Tsallis交叉熵阈值分割快速迭代算法公式，实现了图像的阈值分割。与原始交叉熵算法和基于灰度级-平均灰度级直方图的Tsallis交叉熵算法相比，该算法在图像分割效果及算法运行时间两方面优势明显。接着，给出了一种基于点模式和支持向量分类的指纹特征匹配算法。首先对指纹图像进行点模式指纹特征匹配，然后采用支持向量机对样本向量进行分类训练，完成对细节特征点的再次匹配，最后对两种匹配结果进行分类器融合。实验结果表明该算法的匹配精度明显优于基于传统点模式的指纹特征匹配算法和基于局部特征的点模式指纹特征匹配算法。最后，讨论了基于Logistic混沌映射的指纹图像脆弱水印算法及身份认证系统设计。脆弱水印算法部分，首先对载体图像进行复Contourlet变换提取低频分量，然后计算低频分量的奇异值，最后用Logistic混沌映射产生认证水印，把认证水印嵌入到奇异值中。身份认证系统部分，首先把合法用户指纹信息作为认证水印嵌入到身份证件中，当进行身份识别时，提取身份证件中的指纹信息，并与采集的指纹信息进行特征匹配，最终完成身份识别。水印算法具有很好的脆弱性和不可感知性，且由于指纹信息不是来自于数据库，避免了用户篡改指纹信息，提高了AFIS的安全性。