鲁棒性是目前数字水印技术中亟待解决的关键问题之一,开展高鲁棒性的数字图像水印技术研究非常必要。本文围绕支持向量机(Support Vector Machine,SVM)机器学习方法在数字图像水印中的应用展开研究,在具有良好学习和泛化性能的支持向量机在图像空间域和变换域嵌入和提取水印中的应用方法方面进行深入研究。结合人类视觉系统特性,在嵌入水印的图像满足视觉质量的前提下,提出性能良好的数字水印算法,解决关键技术问题,增强水印鲁棒性,为数字水印技术的推广提供理论基础和应用支撑。针对空间域水印算法性能较差问题,结合支持向量机良好的学习和泛化性能,提出一种基于支持向量回归机(Support Vector Regression,SVR)的空间域水印算法。算法利用YCbCr彩色模型亮度分量Y的局部自相似性,利用SVR模拟像素亮度值与其邻域的关系,在亮度分量中嵌入水印。为减小支持向量机的泛化误差,选择方差值较小的图像亮度子块训练SVR模型和嵌入水印信息。提取水印时,不需要原始彩色图像,只在测试图像中重新训练SVR和提取水印。实验结果表明,算法对中高级质量JPEG压缩、高斯低通滤波、马赛克、模糊、锐化、直方图均衡、饱和度增强、加噪、旋转、扭曲、剪切等攻击有良好的鲁棒性,尤其抵抗缩放攻击的性能更强。分析图像离散余弦变换(Discrete Cosine Transform,DCT)域特点,提出一种基于支持向量回归机的离散余弦变换域水印算法。在彩色图像YCbCr彩色模型亮度分量Y的离散余弦变换域中,算法利用SVR模拟中频系数与变换系数的非线性关系,利用这种关系将水印信息嵌入到中频系数中。在水印的提取过程中,在测试图像中重新训练SVR并提取水印。实验结果表明,采用与空间域水印算法同样的攻击方式,算法表现了良好的鲁棒性,尤其对JPEG压缩的鲁棒性更强。分析图像离散小波变换(Discrete Wavelet Transform,DWT)域特点,提出一种基于支持向量回归机的离散小波变换域水印算法。算法在彩色图像YCbCr彩色模型的亮度分量Y中进行一级小波变换,在低频子带系数中嵌入水印。算法同时利用低频子带中的小波系数与其邻域系数的非线性关系,低频子带和3个高频子带相同位置的系数之间的非线性关系训练支持向量机,得到SVR关系模型并嵌入水印。实验结果表明,采用与空间域水印算法同样的攻击方式,算法也表现了良好的鲁棒性,尤其抵抗随机行列去除攻击的能力更强。分析可见水印技术,针对可见水印存在容易被去除,且一旦被去除将失去保护版权作用的问题,提出一种双重水印算法。即在彩色图像中嵌入可见水印用于明确标识版权,再嵌入一个不可见水印用于加强版权保护。算法结合人类视觉特性,将可见水印嵌入在HSV彩色模型的明度分量V中,根据彩色图像的明亮度自适应地调整有意义水印信息的明或暗,并根据纹理特性设定水印的嵌入强度。根据可见水印嵌入的区域,利用文中提出的基于支持向量回归机的空间域和变换域不可见水印嵌入方法在彩色图像的其它区域嵌入不可见水印。实验结果表明,经滤波、模糊、锐化、加噪、旋转、缩放、扭曲等攻击后可见水印仍清晰可见,即使采用剪切等处理完全去除可见水印,也可以通过提取不可见水印达到版权保护的目的,算法实用性更强。