对比于低动态范围（Low Dynamic Range,LDR）视频,高动态范围（High Dynamic Range,HDR）视频具有更宽广的亮度范围和更丰富的色彩层次,因此,HDR视频受到了广泛的关注。与此同时,HDR视频的版权问题也越来越令人担忧,然而目前针对HDR视频的水印算法还比较少。因此,本学位论文以保护HDR视频的版权为出发点,根据HDR视频的特点,对HDR视频的鲁棒水印算法进行了相应的研究。具体研究内容如下:（1）针对HDR视频的版权保护,本文提出了一种基于张量奇异值分解（TensorSingular Value Decomposition,T-SVD）和显著图提取的HDR视频鲁棒水印算法。首先,利用T-SVD分解对HDR视频进行变换提取第二正交矩阵,并将其视为嵌入水印的载体;其次,设计了一种提取HDR视频显著图的算法,以提高水印算法的性能;最后,通过修改第二正交矩阵的系数嵌入水印信息。实验结果表明,提出的算法具有较强的鲁棒性,并且含水印的HDR视频具有较高的不可见性。（2）根据人眼视觉特性和HDR视频的特点,提出了一种基于张量QR分解（Tensor-QR Decomposition,T-QR）和HVS模型的HDR视频鲁棒水印算法。首先,为了提取HDR视频的主要信息,提出的算法利用直方图差分法提取HDR视频的关键帧;然后,利用T-QR分解对HDR视频的关键帧进行变换,以提取嵌入水印的载体;最后,根据人眼视觉特性,设计了一种计算HDR视频的HVS模型的算法,以在水印算法的不可见性和鲁棒性间获得较好的权衡。实验结果表明,提出的水印算法具有较好的性能,可以有效地保护HDR视频的版权。（3）为了保留彩色图像通道间的强相关性,提出了一种基于T-SVD的彩色图像的鲁棒水印算法。首先,利用离散小波变换（Discrete Wavelet Transform,DWT）对彩色图像的R通道、G通道和B通道进行处理,提取相对应的低频信号分量,并利用这三个通道的低频信号分量形成一个彩色图像的近似图像;然后,为了保留通道间的强相关性,利用T-SVD分解对近似图像进行变换,并提取嵌入水印的载体;最后,完成水印信息的嵌入。实验结果表明,提出的算法具有较好的鲁棒性和不可见性,并证明彩色图像通道间具有较强的相关性,利用这一特性可以有效地保护多媒体的信息安全。由于HDR视频由一帧帧HDR彩色图像构成,如果对HDR视频的每一帧进行传统的二维变换,可能会破坏HDR视频每一帧的内部结构。因此,利用HDR视频帧通道间的强相关性,对其进行多维变换提取鲁棒区域,可增强HDR视频鲁棒水印算法的性能。