数字水印技术为知识产权等问题的解决提供了新的思路,日益成为多媒体信息安全研究领域的一个热点。论文针对数字水印中的关键技术,包括数字水印预处理、多水印、水印的检测理论以及基于智能计算的数字水印技术进行了研究。全文的主要内容如下:一、水印预处理的研究。衡平矩阵具有元素的内在冗余性和平衡状态一定程度的稳定性,所以提出将其应用于水印的预处理,从而形成了基于衡平矩阵预处理的水印算法。算法首先将水印进行加密处理,然后将其转变为衡平矩阵,进而将衡平矩阵嵌入到载体图像。通过对水印的预处理,能实现水印分级检测:能提取出衡平矩阵,进而在密钥已知的情况下提取出私有水印。二、多水印方法的研究。首先,在现有单水印迭代混合算法的基础上,给出了多水印迭代混合算法。理论分析和实验验证了迭代混合算法的鲁棒性问题,指出了弱鲁棒性的主要原因在于对误差的累积放大。进而提出了基于子图像偏差纠正的单水印和多水印迭代混合算法。算法通过修正混合图像降低攻击带来的影响,同时将水印在密钥控制下进行多份嵌入。然后,研究了形态学操作特点,设计了形态模式作为水印嵌入的真正意义形态学多水印。多种形态模式的同时嵌入使得为不同用户制作的数字产品能一次完成,加入可见性水印要求用户必须将其正确去除,在用户去除可见水印的同时实现了对数字产品的签名,从而实现了典型的操作跟踪应用。三、非线性相关检测和连续水印检测的研究。传统的线性相关水印检测方法只有在载体信号服从高斯分布时才是最优的,而离散脊波变换(DRT)域系数更接近拉普拉斯分布。对拉普拉斯分布下的基于假设检验的检测器进行了推导,给出了检测器性能的理论分析结果。固定长度的样本检测一般需要大量的待检测样本,不适合多水印检测和视频水印检测。连续水印检测通过不断增加检测样本,动态监测检测过程,从而克服固定样本检测存在的问题。在对连续水印检测理论进行分析的基础上,发现操作特征函数指标及所需样本数量均与嵌入因子有关,采用局部神经网络对原图像进行估计可以减小嵌入因子误差,从而提高连续水印检测器性能。最后,研究了基于蚁群算法优化的矢量量化水印。为了提高蚁群算法的收敛速度和求解精度,根据仿生优化算法在不同阶段的特点,提出了一种改进的蚁群算法。在基于蚁群算法的矢量量化水印中,首先建立了矢量量化、水印嵌入及通过噪声通道的误差模型,并给出了简化模型。在该模型中,由于水印嵌入和通道噪声直接与码字索引相关,所以该模型误差由索引值决定,而码字索引的确定是NP难度问题,故引入蚁群算法对其优化,优化目标是降低误码率和使视觉效果达到最佳。