针对医学图像中嵌入水印信息造成的鲁棒性与透明性的不平衡问题，提出了一种面向医学图像的篡改检测双重水印算法。首先，采用Sine-Cubic混沌映射加密算法将Sine映射与Cubic映射进行线性耦合，利用得到的混沌序列对版权图像进行加密。其次，对载体图像进行小波变换，并对低频子带进行安全区域划分，根据安全区域内子块熵值将医学图像划分为感兴趣区域（ROI）和非感兴趣区域（NROI）。同时，通过提取ROI的稳定特征与加密的版权构造鲁棒的零水印。最后，将零水印嵌入医学图像NROI子块Schur分解的上三角矩阵最大系数中，同时记录嵌入水印后的最大系数用于篡改检测。实验结果表明：所提水印算法具有不可感知性、鲁棒性和安全性，同时可以准确地定位被篡改的含水印区域；与其他水印算法相比，所提双重水印算法在鲁棒性和算法效率上均有很大的提升。

交换密码水印是一种新兴的加密技术与数字水印技术相结合的方法，具有数据安全传输和版权追踪双重保护能力，这类方法在多媒体数据安全领域得到了广泛的应用。然而已有算法没有顾及高分辨率遥感影像的敏感性和特殊性，无法为高分辨率遥感影像提供完全保护。为解决这一问题，运用同态加密技术提出了一种适用于高分辨率遥感影像的交换密码水印算法。首先对原始影像进行分块处理；然后运用整数小波变换提取每个子块的低频系数和高频系数；最后利用Paillier算法加密每个子块的低频系数和高频系数，同时基于Paillier算法的加法同态特性，将水印信息嵌入到低频系数。实验结果表明，所提算法实现了加密操作和水印操作之间的可交换性，在明文数据和密文数据中均能成功重构原始水印，并且具有较高的加密安全性和良好的水印鲁棒性。

针对多重水印信息的有效嵌入和提取,提出了一种基于峰值信噪比-归一化相关系数函数(PSNR-NC)优化和非抽样双树复小波变换的自适应多重水印算法。该算法首先利用PSNR-NC函数来确定水印的最佳嵌入位置,其次通过非抽样双树复小波变换-奇异值分解(UDTCWT-SVD)算法将多个相互独立的水印信息嵌入到彩色宿主图像中,最后通过水印提取算法在含水印图像中提取多重水印,有效实现了多个版权信息的嵌入和提取。实验结果表明,嵌入水印图像具备良好的不可见性,所提算法对常见的图像处理攻击,特别是在抵抗JPEG压缩、噪声攻击和滤波攻击方面表现出较强的鲁棒性。

针对现有数字水印算法对于几何攻击稳健性差、嵌入彩色版权图像信息量过多导致效率低下等问题,提出一种基于SURF(speed up robust features)几何校正和半色调映射加密的彩色零水印算法。基于SURF提取载体图像的特征点,并将其特征点信息保存为密钥用于实现盲检测。在版权验证过程中,提取受攻击图像的特征点并进行密钥匹配,使用筛选后的特征点估计出仿射矩阵,对受攻击的图像进行几何校正。同时,根据半色调原理对版权标识进行预处理,使用像素扩展的三通道二值矩阵表示彩色图像,并根据加密规则对水印图像进行半色调子块映射加密,在减少嵌入信息量的同时保留了彩色版权图像的颜色和结构信息,增加了水印信息的安全性。实验结果表明,提出的零水印算法在面对几何攻击和非几何攻击时都具有很强的稳健性,生成的零水印信息更安全。

提出了一种基于深度学习的光学水印重建方法, 通过双随机相位加密的方法实现水印的加密, 并将加密图像嵌入到宿主图像中, 然后利用原水印图像与含水印宿主图像之间的物理关系, 训练改进的神经网络FC-DenseNets-BC, 得到可以重建原水印图像的网络模型。在传统光学水印技术中, 含水印宿主图像质量和解密水印图像质量依赖于嵌入强度的选取(当嵌入强度较大时, 含水印宿主图像质量低, 解密水印图像质量高; 当嵌入强度较小时, 含水印宿主图像质量高, 解密水印图像质量低), 然而使用深度学习重建水印图像可以摆脱该依赖关系。研究结果表明, 在嵌入强度低至0.05的情况下, 所提方法仍能够重建出峰值信噪比在35dB以上的高质量水印图像, 且具有一定的泛化性、安全性和抵抗噪声、剪切的能力。并进一步通过光学系统实验验证了方法的可行性和高效性。

为了解决奇异值最高位在几何攻击下易敏感性和零水印抗几何攻击性能差的问题,提出一种基于改进奇异值和子块映射的图像零水印技术。首先,对载体图像进行Arnold置乱处理,消除像素间的相关性。然后,进行Curvelet变换、分块以及奇异值分解以获得载体图像的稳定特征。同时,提出一种子块映射机制,将原始的版权图像划分成不同的子块,并通过对子块求和,使用不同的字符表示水印子块。最后,将载体图像的特征与水印子块按位进行逻辑运算生成零水印。实验结果表明,所提出的图像零水印算法在几何攻击、非几何攻击以及组合攻击下具有很强的鲁棒性,并且生成的零水印信息安全性更高。

为了兼顾水印算法的透明性与抗几何变换能力，引入光学加密方法，提出了基于相位截断菲涅耳变换与全变分分解的鲁棒水印算法。引入Logistic映射，通过对其迭代来获取混沌序列，以构建一个随机 掩码；基于Fresnel变换，联合随机掩码，对水印信息完成光学加密；再利用相位截断机制，得到2个私钥。借助全变分分解方法来处理宿主图像，获取卡通与纹理部分；引入离散小波变换(DWT)，分别对加密水印与纹 理部分实施分解，输出各自对应的子带信息；并将这些子带信息进行融合，通过可逆DWT方法，获取嵌入水印后的纹理信息；通过组合水印纹理部分与初始的卡通部分，形成水印图像。设计水印检测机制，在水印图像 中检索出编码水印，借助2个私钥来复原水印。测试数据显示：所提算法兼顾了理想的水印透明性与鲁棒性，在多种几何变换下，所复原的水印失真较小，对应的相关系数维持在0.9以上。

由于通信技术和互联网的不断发展, 诸多互联网应用如大规模网络游戏、网络支付和金融防伪都受到了安全方面的威胁和风险。为了能够在传输过程中对数据进行加密从而防止恶意篡改, 本文在研究分析了主流水印算法的隐蔽性和鲁棒性基础上, 提出了一个基于伪随机算法的离散小波变换水印方案。该方案将二进制伪随机数嵌入到离散小波变换(DWT)的HL和LH域中, 利用伪随机数提升了数字水印的隐蔽性和鲁棒性。仿真结果表明, 该算法具有较高的安全性和鲁棒性, 能够有效抵抗各种攻击算法如SPIHT压缩、高斯滤波、椒盐噪声等, 其峰值信噪比(PSNR)和归一化相关(NC)值都比传统水印算法有10%以上的提升。本文算法在整体上能满足数字水印的性能稳定、抗攻击能力强、隐蔽性高等要求。

本文设计了一种基于极限学习机算法的离散小波变换域视频水印添加方法, 该方法包括水印嵌入和水印提取两个部分。在水印嵌入环节, 首先使用场景切换检测算法实现非重叠帧提取, 然后对非重叠帧的亮度分量进行5级离散小波变换提取第5级低频子边带系数矩阵, 通过系数矩阵构建训练数据集并通过极限学习机进行回归训练, 回归模型的输出矢量与水印子块对系数矩阵进行修正, 最后通过逆小波变换得到嵌入水印的视频帧序列。在水印提取环节, 对嵌入水印的视频帧序列与原始视频帧序列的亮度分量分别进行5级离散小波变换, 通过提取两个低频子边带系数矩阵的差异部分来得到水印子块, 将所有的子块重组便可得到完整水印。一系列实验显示, 本方法在多个指标下表现良好, 对多种攻击均具有鲁棒性。