随着数字媒体在网络上的普遍存在，数字媒体的版权保护日益成为人们关注的焦点。根据研究向数字媒体中嵌入数字水印技术可以有效的解决版权保护、盗版和恶意篡改数字媒体内容这些问题。理论上，数字水印的嵌入没有严格的限制。传统的数字水印嵌入方案中将数字水印序列按照相同的强度嵌入到灰度图片中。这种嵌入方案通常导致不可见问题，在灰度图片中平滑区域的视觉敏感性更强，需要嵌入弱强度的水印，但是同时水印的鲁棒性降低。所以针对图片的特点，需要针对不同特点的区域嵌入强度不同的水印。Asma Ahmad[14]等人在利用HVS特点的基础上，提出了基于遗传规划算法针对灰度图片进行感知的形成水印技术。本论文在Asma Ahmad研究的基础上，将对灰度图片的预知攻击因素增加到遗传规划算法的优化过程中。此方法不但提高了水印的不可见性和鲁棒性，同时在嵌入水印的图片遭受到预期攻击如：中值滤波、高斯噪声、椒盐、剪切和旋转攻击后，能更精准的探测出嵌入图片中的水印。利用人眼视觉系统的特点训练出最佳感知形成模型，使用此感知模型形成水印进行水印的嵌入；而后针对某种预知的攻击，将预知攻击类型加入到遗传规划算法的优化目标中，使嵌入水印的图像具有抵抗某种预期攻击的效果。探测水印序列使用盲检测的线性相关检测器[1]来检测水水印。　　 增加特定功能后的智能感知形成水印技术对比文献[14]中算法的优点包括：1。GP利用多适应度值进行进化算法；2.将预期攻击加入到GP智能形成水印感知形成水印技术中，此种模型增加了水印针对某种预期攻击的抵抗性，在图片受到攻击的情况下，更能准确明显的探测出正确的嵌入水印序列。本论文的理论基础包括：1.感知模型在感知形成水印技术上权衡数字水印的不可见性和鲁棒性的作用；2.GP智能寻优技术利用HVS的特点形成感知形成模型理论；3.GP仿真利用多目标适应度函数值进行全局寻优的概念。本论文将预期攻击特性增加到GP的改进算法，在标准图像进行中值滤波，几何变换和噪声攻击等的情况下进行了测试。测试的实验数据和结果对比图证明了改进算法的正确性。