近年来,随着互联网和多媒体技术的飞速发展,数字信息以图像、视频、文字等形式被广泛传播。多媒体数据易被非法获取和篡改,从而导致严重的信息安全问题,例如版权纠纷、数据泄露等。作为多媒体数据版权保护的一种有效方法,数字水印技术在不影响视觉效果的情况下,将标识信息嵌入到多媒体数据中,从而利用提取的嵌入信息确认版权。本文针对最广泛使用的多媒体数据载体,即图像和视频,研究了不同嵌入规则下的鲁棒盲水印方法,优化其在水印图像质量、水印提取准确率和实时性上的性能,取得的主要研究成果如下:（1）提出一种基于空域最小可觉差（Just-noticeable Difference,JND）模型的视觉优化图像水印方法,解决了水印图像的非纹理区域存在明显视觉失真的问题。首先,利用空域JND模型约束每个空域像素的改变,并引入差值图像方差约束相邻像素的改变,然后构建一个优化问题求解最优的水印嵌入强度,这与空域的人眼视觉特性相符。与经典的基于DCT域JND模型的图像水印方法相比,相同PSNR下,所提方法的水印图像和宿主图像之间的SSIM更高,水印图像视觉质量更高。（2）提出一种基于多尺度特征的鲁棒图像水印方法,该方法利用深度学习提高了水印图像质量以及水印提取准确率。首先,在水印嵌入网络中,冗余嵌入水印信息。然后,引入具有不同大小卷积核的Inception-Res Net网络,更好地融合水印信息和宿主图像。同时在水印提取网络中,利用Inception-Res Net网络获取多尺度的特征,提高水印提取准确率。最后,采用两阶段的训练方法,保证水印图像质量的同时增强鲁棒性。在COCO数据集上的实验证明,与经典的Hi DDe N方法相比,所提方法提高了抵抗攻击的鲁棒性,水印提取准确率平均提高6.4%。（3）提出一种基于帧差的高效视频水印方法,解决了当前视频水印方法难以抵抗几何攻击、实时性低的问题。首先,修改相邻视频帧U通道每个像素嵌入1比特数据,同时引入空域JND模型约束修改量以确保水印视频质量。该方法在不进行几何矫正的情况下,通过计算帧差对水印信息进行盲提取,降低了计算复杂度。在标准视频序列上的实验证明,该方法可以抵抗严重的几何攻击。而且,与变换域视频水印方法相比,在相同嵌入容量和PSNR下,所提方法对于1080p视频的水印嵌入和提取速度提高了3倍以上。