鲁棒水印是一种能够抵抗滤波、信道噪声、旋转、缩放等攻击的水印,多用于数字内容版权保护和盗版追踪等方面。而仿射变换是由旋转、缩放、拉伸等由单一几何攻击组成而成,抗仿射变换鲁棒水印由于水印同步问题,一直是鲁棒水印研究的一个难点和热点。本文就抗仿射变换的数字水印中的若干问题展开研究,主要工作及创新点如下:1、针对需要在仿射变换后发生形变的图像上同步原始水印嵌入位置的问题,提出了一种基于ASIFT特征点构建Delaunay三角网格的鲁棒水印算法。首先,从原始图像中提取ASIFT特征点;然后,分析仿射变换过程中插值和采样对水印区域产生的影响,构建了基于特征点集的Delaunay三角网格结构,并对构建的网络结构进行优化;最后,在优化后的网格区域内通过调整直方图进行水印嵌入。算法中采用的Delaunay三角网格对图像的形变在结构上具有可保持性,可确保水印的同步。针对常见的旋转、缩放等几何攻击进行了实验验证,验证结果表明:提出的方法可以抵抗常见的几何攻击,对旋转加缩放等仿射变换攻击也有一定的抵抗性。2、为提高重建仿射变换矩阵的准确度,提出了一种基于Delaunay三角剖分结构重建图像的抗仿射变换水印算法。首先,根据Delaunay三角剖分结构对图像形变的保持特性,提出了基于Delaunay三角的图像重建算法;然后,依据水印嵌入方案中对特征点鲁棒性及特征点间间距的需求,提出了基于不同特征点的通用提取及筛选算法,并结合选取的特征点,根据重建图像和Delaunay三角结构,利用最小二乘法反演仿射变换参数;最后,针对选取出的鲁棒特征点,分别以每一特征点为中心划分嵌入区域,在嵌入区域内通过调整直方图进行水印嵌入。实验结果表明所提方法对大部分攻击可以得到有效提取,同时对于仿射变换攻击也有较好的抵抗效果。3、提出了一种基于特征点同步水印嵌入位置的频域鲁棒水印算法。首先,根据特征点对应于图像明暗剧烈变化结构的特性,提出基于具有最大欧氏距离特征点组的水印嵌入位置同步算法,利用特征点间水平、垂直距离关系确定水印的嵌入位置并得到水印嵌入位置标志信息;然后,在定位得到的水印嵌入位置上进行DWT-DCT频域变换,使用一阶DWT变换中LL层不重叠的块来进行DCT变换,分别于每个块上的若干个DCT系数上嵌入水印。基于提出的方法分别对图像处理攻击和几何攻击进行了实验,实验结果表明所提方法可以准确同步水印的嵌入位置,与现有抗几何攻击的方法相比不仅保持了抗图像处理攻击和单一几何攻击的能力,在抗仿射变换攻击上也有很好的表现。4、提出了一种基于神经网络得到图像块与水印信息映射关系的水印算法。该方法通过训练神经网络从图像块中提取特征,之后对图像块进行分类来表示水印信息。同时将受到仿射变换攻击的图像作为扩展训练样本集,为神经网络提供训练样本以抵抗仿射变换攻击。首先,将原始图像和被攻击的图像分割为不重叠的同等大小分块,并选取候选块;然后,将水印信息与候选块对应的标签对作为训练网络的数据集,用数据集训练可以提取水印信息的神经网络。提取水印时,需要先使用特征点将图像重建并对图像进行预处理,之后使用与训练网络时相同的方式提取分块,将分块输入网络得到最终的水印序列。该算法不会造成图像的质量损失,而且自适应的鲁棒特征提取表现出了较好的鲁棒性。通过对不同攻击的实验,对本章方法进行验证并得到了对单一几何攻击和仿射变换攻击的较好结果。最后对全文工作进行了总结,并对下一步的研究方向进行了展望。