随着网络技术的飞速发展,多媒体数据逐渐成为人们获取信息的重要来源,人们可以轻松地从网络上获取各种各样的多媒体信息。与此同时大量诸如非法复制、伪造、篡改等侵犯多媒体信息安全的问题也随之而来。因而,如何保护多媒体信息的安全成为了信息安全领域的一个热门问题。数字水印(DigitalWatermarking)技术作为信息隐藏在多媒体领域的一个重要应用,为多媒体版权保护提供了一个崭新的方法。数字水印技术近年来在困际上引起了人们极大的兴趣和注意,并得到广泛的研究和应用。　　 数字水印是新发展起来的一门技术,它涉及到通信、图像语音处理、信号检测与评价、人类视听系统、数学以及计算机网络与应用等多个领域。数字水印通过在多媒体数据(如图像、声音、视频信号等)中嵌入秘密信息--水印(Watermark)来证实该数据的所有权或完整性,以达到版权保护等作用。嵌入信息可以是版权信息,也叮以是其它的秘密信息等。　　 本论文针对用于图像版权保护的稳健水印进行研究。论文的主要贡献是:　　 1.提出了基于神经网络的版权保护水印算法。人工神经网络所具有的自学习和自适应能力可以有效地改善水印性能。该算法使用神经网络训练水印的检测,提高了水印检测的成功率。算法首先将一个置乱水印嵌入图像中,在水印嵌入时需要考虑人类视觉系统的特点,然后利用BP神经网络来学习水印与嵌水印图像之间的关系。借助于神经网络的学习和自适应能力,经过训练的神经网络可以准确地从嵌水印图像中提取出水印。　　 2.提出了基于均值量化的稳健水印算法。均值量化技巧主要是基于这样一个统计学原理:给定一组样本,其总平均值相对于单个样本具有较小的变化。它通过调制一组小波系数的均值来嵌入每个水印比特,因而相对于调制单个系数,其嵌入的水印更为稳健。因此与传统量化方法不同,我们的方案中每位水印的嵌入是通过量化2×2的系数块的均值来实现以保证嵌入的水印更为稳健。同时嵌入时系数的修改量根据人类视觉系统特点而定以保证水印不可感知。此外还利用图像置乱来改善水印的安全性和抗剪切能力。　　 3.提出了基于图像特征的数字水印算法。该算法利用分形维数提取图像特征,将之与版权标志融合来构造水印。这样水印不仅在视觉上代表了版权标志,而且还反映了图像的特征,自适应于原始图像。此外神经网络也被用于水印的检测,改善了水印的性能。　　 4.提出了基于混沌加密的DCT域数字水印算法。与一般的图像置乱不同,图像置乱只是将图像的像素位置改变,而混沌加密算法对水印图像同时进行了像素空间位置置乱和灰度值变换,使水印具有更好的抗剪切能力和安全性。