随着电子产品的普及和网络的发展，数字图像受到广泛应用。数字图像易于存储，复制。在为图像的传输提供便利的同时，却为版权保护带来了困难。　　数字水印就是为了满足这一需求而诞生的技术。在不显著影响图片视觉效果的前提下，在图像中加入一定的信息（文本、图像、或伪随机信息），这些信息在图像经过一些修改之后仍然能被提取出来。验证水印的时候往往不能得到原图像作为参考，不依靠原图像进行水印提取的技术被称为盲水印。　　本文研究应用于大图片的盲水印，大图像面临的主要问题是剪切和缩放。传统的盲水印算法在模拟剪切与缩放的时候，是在不丢失图像同步信息(大小，相对位置，旋转角度)的前提下进行的，例如在图像中涂黑一块，作为剪切攻击，将图像缩小然后放回原始尺寸，作为缩放攻击。这样的模拟与实用场景不符。我们希望找到能抵抗缩放和大幅剪切的数字水印算法。　　2000年后，以抵抗去同步信息的攻击作为目标的水印算法也逐渐成为鲁棒性盲水印研究的热点。三种方法成为主流方法，其一是基于Log-Polar Mapping的不变域算法，旨在寻找一种对于平移、缩放、剪切不变的变换域；其二是基于显著特征点的算法，旨在借助图像内容中剪切、缩放、旋转不变的特征点，利用它们的特征邻域来存储水印信息；其三是基于模板的水印算法，在图像中嵌入自定义的标志，在提取时识别这些标志以恢复图像受到的缩放、旋转。　　本文首先改进了一个已有的空域水印算法，使得它对缩放与JPEG压缩更为鲁棒。在此基础上，参考已有对于去同步攻击问题的经典方法，提出了两个鲁棒盲水印算法，其一是基于Harris-Laplace特征点的多bit盲水印算法，其二是基于Lab色彩空间的多bit盲水印算法。两种算法对于去同步的切割与缩放均有一定的鲁棒性。在提出算法的同时，本文也对基于特征点以及基于模板的盲水印算法进行了一定的总结，归纳出其不足，以及可能的改进方向。