随着计算机网络的迅速发展和应用,数字作品遍及生活的角角落落,为生活带来了极大的便利,但是其极易遭受伪造,复制,侵权,篡改等非法攻击。因此,数字作品的侵权问题越来越引起人们的关注,成为迫在眉睫的难题。随后,数字水印技术的出现,开辟了信息隐藏领域新的天地,为抵抗盗版侵权泛滥提供了强有力的支撑。数字水印是在数字作品中嵌入秘密的标识信息,并且数字水印必须满足不可感知性即在嵌入水印后人类的感知系统(HVS)不能感知载体数字作品质量的明显下降；强鲁棒性即嵌有水印的载体图像在经历各种水印攻击后仍然能够被提取并被清晰辨别。因此数字水印是实现版权保护、产权认证、认证数字作品内容的完整性强有力的手段。数字水印技术在信息安全领域崭露头角,以其独特的优势,近年来在国际上引起了学者们极大的关注和兴趣,迅速成为信息安全领域中一个新的研究热点。本文围绕数字水印技术在数字图像方面的应用展开讨论,详细阐述了数字水印技术的背景意义及发展现状,简要分析了数字水印的基本概念、框架模型,分类、基本特性、典型算法,应用领域及其评价标准。在对数字水印系统和数字水印关键技术研究的基础上,我们提出了三种新的数字水印算法,主要的贡献和创新有以下几点：1、针对基于子空间分解的零水印算法对零水印序列在采集过程中的光照、旋转、位置等变化较为敏感的问题,基于改进的脉冲耦合神经网络(M-PCNN)算法提出了一种零水印序列提取方法,该算法的基本思想是模拟生物视觉的感知过程,将输入图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为零水印特征。理论与实验结果表明,M-PCNN改进了标准的脉冲耦合神经网络(PCNN)模型参数过多的不足,该方法与现有的基于子空间分解的零水印方法相比,可以描述图像的全局特征,对零水印序列在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。2、利用BEMD分解和SVD变换,提出一种基于数据融合的盲数字水印算法。该算法对原图像进行分块操作,每个分块图像进行BEMD分解,取分解后的IMF6进行4×4分块的SVD变换,使用量化步长Q量化每个小块对应的最大奇异值,向量化后的最大奇异值里嵌入水印信息,嵌入了多个数字水印副本。提取多个水印副本图像进行图像融合操作,使得融合后的水印信息更为全而、更为清晰。大量的试验结果表明,该算法具有较好的不可感知性,并且对常见图像处理攻击有很强的抵抗力。3、提出了基于自适应提升小波和模糊推理的强鲁棒性数字水印算法。该算法利用二值水印图像的像素值来控制提升小波变换中的预测算子,并且原图像不同区域的纹理特性控制水印嵌入容量的大小,使得嵌入容量和不可见性之间达到最佳的平衡点,两个随着变化而变化的变化实现了自适应算法,在完成小波提升变换的同时,也完成了水印嵌入算法；在水印提取算法中首先对待检测图像用基于SIFT特征点的控制网格插值算法进行图像校准,然后利用综合模糊算法进行水印的提取,最后对提取的水印利用模糊算法进行图像融合。仿真实验表明,该算法计算复杂度小,容易操作,易硬件实施；并且对各种信号处理攻击,及全局几何攻击和局部几何攻击均具有较强的鲁棒性。