随着数字多媒体技术的快速发展以及数码设备的快速普及,各种互联网多媒体信息服务得到了广泛的应用,这些先进的信息技术给广大人民的生活带来便利的同时,也引发了拷贝、修改甚至篡改多媒体数据等侵权行为,严重威胁了版权所有者的合法权益。作为一种有效的数字版权保护技术,数字水印能够确认多媒体信息来源的可靠性和安全性,实现所有权的认证和侵权行为的跟踪,因而引起了学术界和工业界的广泛关注。近年来提出的量化水印算法能够根据不同的水印信息采用不同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,在计算复杂度与算法实现上的具有显著的优势。在量化水印算法框架中,人类视觉特性对于水印图像的视觉质量有着很大的影响。随着现代光学与光电图像技术的发展,人们对视觉特性的探索研究越来越深入,为研究者设计融合视觉特性的量化水印算法提供了便利。然而,在实际量化水印算法设计中存在视觉特性的鲁棒性问题,即现有的研究成果无法保证水印嵌入前后参考视觉特性的一致性,严重制约了水印算法的进一步发展。针对量化水印算法框架中存在的问题,本文着重于构建鲁棒的视觉特性,研究和设计了基于这些视觉特性的量化水印算法。首先从量化水印算法中传统的视觉模型改进和Weber定律的应用于对数域扩展变换抖动调制(Spread Transform Dither Modulation, STDM)水印算法两个方面进行了研究。我们利用多种预测模式,解决了参考块选择的脆弱性,改进了传统的视觉模型,提高了水印算法的鲁棒性；Weber定律的引入,使得水印的嵌入更加符合人眼特性,而且通过在对数域进行均匀量化,可以有效抵抗共谋攻击。然后,基于对视觉特性的最新成果,设计了新型的视觉最小可视误差(Just Noticeable Difference, JND)模型,并融合了视觉关注因素,提出了适用的量化水印算法,进一步提高水印图像的视觉质量。论文在以下几个方面的研究取得重要进展：1、针对传统的基于视觉JND模型的量化水印算法中参考块选择的脆弱性,提出了一种基于多种预测模式的扩展变换抖动调制水印算法。利用已嵌水印的周围像素值与当前块的强相似性,使得计算出的预测块与当前块的欧式距离更接近,预测关系的固定性保证了参考块选择上的鲁棒性。2、提出了一种基于视觉模型的对数域扩展变换抖动调制水印算法。为了解决传统的对数域量化水印算法中计算复杂度高以及对图像幅值缩放攻击的鲁棒性低的问题,设计了一种新的对数域变换函数,所提的变换函数不仅避免了调整量化区间,降低算法的复杂度,而且自身对于图像幅值缩放攻击具有鲁棒性。另外,利用视觉JND模型,给出了量化嵌入时量化步长的自适应计算公式。3、提出了一种新型的视觉JND模型,该模型不仅可以更加鲁棒并准确地模拟人类视觉特性,其中采用了新的图像块纹理复杂度和平均亮度表达式,来计算水印嵌入端和提取端所需要的视觉冗余信息,不需要考虑由于水印嵌入引起的图像像素值变化而带来的水印提取错误。然后,基于所提的视觉JND模型,提出了一种改进的对数域扩展变换抖动调制算法。实验验证了本文所设计视觉JND模型的有效性,以及通过与与相关算法的比较证明了该算法的鲁棒性。4、针对目前的视觉JND模型只能均衡的反映出不同图像区域的视觉关注程度这一问题,提出了一种鲁棒的视觉关注模型,对视觉JND模型中的阈值进行调制。根据所提的融合视觉关注调制的JND模型,提出了适用的对数域扩展变换抖动调制算法。实验表明了本章所提算法相比于传统的STDM算法具有更好的鲁棒性。