随着互联网络上数字多媒体传播的飞速发展,数字水印作为一种提供数字媒体版权保护、真实性和完整性认证的新颖技术正受到越来越多的关注,针对其开展的研究也越来越深入与广泛。本论文针对用于图像版权保护的稳健水印和用于图像认证的半脆弱水印进行研究。论文的主要贡献是:1、提出了基于人工神经网络的图像版权保护稳健零水印算法。一方面,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;另一方面,零水印技术从图像中抽取特征而不是向图像中嵌入水印,在不影响图像质量的同时,较好地实现了图像版权保护。将人工神经网络与零水印技术相结合,在改进水印不可感知性的同时,更好地保证了水印的稳健性。本论文使用多层前向BP网络在图像空域实现了一个简单有效的零水印算法。该算法能够用于自动盗版检测,结合版权认证中心,还可用于版权确认。2、提出了基于人工神经网络的图像真实性和完整性认证半脆弱零水印算法。该算法利用人工神经网络提取图像特征,而不是嵌入额外信息到图像中,不会影响图像质量。所提取的特征能够用于图像认证。此思想与密码学中的数字签名技术存在某种程度上的相似之处。与数字签名不同的是,该算法除了能够进行图像的真实性认证以外,还能够发现是否发生篡改,并指出篡改发生的位置。3、基于二元纯位相滤波器(Binary Phase-Only Filter,简称BPOF)的数字图像水印是一种用于图像真实性认证的半脆弱水印技术。它在图像离散Fourier变换域构造基于二元纯位相滤波器的水印,并嵌入到其相应的幅值位平面中。其优点在于以图像内在特征作为水印,不需要传递大量额外数据,有效地实现了图像自认证。本文在深入研究其算法特点的基础上,提出了采用多幅值位平面、考虑频率特性、结合多幅值位平面及频率特性嵌入水印等多种方法改进原算法性能。对于改进算法进行的仿真实验表明:通过多幅值位平面嵌入水印,可以在不降低或不明显降低水印不可感知性的基础上,明显提高水印检测性能,并在一定程度上改进抗JPEG压缩性能;通过考虑频率特性嵌入水印,可以明显提高水印不可感知性。在水印可检测的频率范围内,显著增强对于JPEG压缩的稳健性;结合多幅值位平面及频率特性嵌入水印则同时具有前两者的优点。改进方法能够很好地平衡水印不可感知性和稳健性之间的矛盾,提供更加可靠的图像认证性能。4、通过Fourier变换幅值位平面嵌入BPOF水印限制了可能使用的水印强度,不利于算法的灵活性和安全性。本文使用加性嵌入、乘性嵌入、量化嵌入等三种方法实现了基于BPOF水印,扩展了水印强度可能的选择范围,增强了算法的安全