随着信息技术和计算机网络的飞速发展,数字多媒体信息(图像、文本、音频、视频、三维模型)的存储、复制与传播变得非常方便,人们的日常生活与工作越来越趋向于数字化和网络化。我们不但可以通过网络获取与原始数据完全相同的复制品,而且可以毫无限制地任意编辑、修改、拷贝和散布那些数字音乐和图像等,由此引发的信息安全问题、盗版问题和版权纷争问题已成为日益严重的社会问题。数字水印就是在这种背景下发展起来的,它通过在被保护的数字对象中嵌入某些秘密信息——水印来证明版权归属或跟踪侵权行为。当前数字水印仍然存在着很多待解决的问题,其中鲁棒性和不可见性是水印亟待解决的两个关键问题,但鲁棒性和不可见性是一对矛盾,要获取高鲁棒性必然要加大水印的嵌入量,而要获取不可见性,就要限制嵌入量,如何得到两者的平衡点是关键,采用视觉模型可以有效地获取两者的折中,本文主要做了如下工作:1、提出了一种新的基于独立分量分析(ICA)的鲁棒图像水印算法,该算法对原始图像作二抽取得到四个子图,然后对这四个子图做独立分量分析,得到图像特征,在含信息量最大的图像特征中,选择其DCT系数嵌入水印。在选取嵌入域时,考虑人类视觉系统(HVS),在保证不可见性的前提下,提高算法的鲁棒性。所提出的算法可以实现盲提取,并且对常见的图像处理以及水印攻击都具有很好的鲁棒性,例如,滤波、缩放、JPEG压缩、加噪、直方图均衡等。2、针对传统QIM量化步长固定的缺陷,提出了一种非线性的量化方案,该方案根据人的视觉特性选择适当的非线性函数,首先对待量化分量利用非线性函数进行非线性变换,然后采用固定步长量化,最后再利用非线性函数的逆函数进行反变换得到嵌入水印后的分量,以克服传统QIM对不同幅度分量均采用相同步长造成的低幅度分量失真较大,而高幅度分量仍然嵌入量较小的缺点。在失真容许的范围内增强了水印的鲁棒性。3、Cox的自适应QIM算法通过Watson视觉模型来计算量化步长,使得量化步长可以随待量化系数自适应变化,从而获取了比传统QIM更好的不可见性和鲁棒性,但即使在没有干扰的情况下,该算法在检测时计算的量化步长与嵌入时计算步长也不一致,这就导致水印不能够完整可靠地提取。在分析该算法存在问题的基础上,提出了一种改进的迭代自适应QIM水印方案,该方案比原算法具有更好的鲁棒性。