网络技术发展迅猛,多媒体数据呈指数式爆炸增长。由此引发的多媒体数据的安全问题,成为信息安全领域的焦点关注课题。作为一种保护多媒体数据安全的有效途径,数字水印技术近年来被用于多媒体版权保护,数据认证,指纹识别和多媒体索引等多个领域。量化水印算法作为一种经典的鲁棒水印算法,能够根据水印信息位采用相应的量化器对原始信号进行量化,实现水印信息的嵌入以及盲提取,在计算复杂度和算法实现上具有显著的优势。在量化水印算法框架中,人类视觉特性的分析对于提高水印图像的视觉质量有着很大的影响。近年来,提出的融合了视觉特性的量化水印算法,能够保证含水印图像的保真度,且提高了算法的鲁棒性能。在感知场景过程中,人脑能够自适应地提取场景信息中所含的结构规律。然而,在实际量化水印算法设计中,传统的视觉最小可视误差(Just Noticeable Difference,JND)模型没有考虑图像内容结构特性对于视觉掩蔽效应产生的影响,因而不能精确地获得真实的视觉冗余。本文充分考虑了图像结构特性对视觉掩蔽效应产生的作用,对人类视觉特性进行精确有效地建模,并研究设计了基于所提视觉JND模型的量化水印方案。论文在以下方面取得重要进展:1、提出了基于结构特征和新的边缘密度的块分类方法。通过分析图像块的结构特征,能够将规则纹理区域与纹理复杂度高的无序区域进行有效区分。采用新的方式计算像素边缘密度,能够避免产生不匹配现象且可以更准确地衡量图像块内沿不同方向的纹理复杂度。2、提出了新的视觉JND模型,该模型能够更加准确地描述人类视觉特性,且更适用于量化水印系统。根据新的块分类方法得出的图像块类型来估计对比度掩蔽效应,同时考虑了对比度敏感函数与亮度自适应掩蔽效应,来计算水印系统中提取端和嵌入端所需要的视觉冗余信息。实验结果表明,提出的JND模型比相关模型能够更有效地模拟人类视觉特性,且更具鲁棒性。3、将所提视觉JND模型用于调制扩展变换抖动调制(Spread Transform Dither Modulation,STDM)水印框架中的量化步长,得到了感知STDM水印方案。实验数据证明,在具有统一保真度的前提下,提出的水印算法具有优于传统的STDM水印算法的性能。