针对传统奇异值分解(Singular Value Decomposition,SVD)水印算法中鲁棒性与透明性的不均衡以及奇异值分解导致水印算法产生虚警率过高和对角线畸变的问题,提出了一种基于斜变换(Slant transform,ST)与增强奇异值分解(Boost Normed Singular Value Decomposition,BN-SVD)的自适应零水印算法。首先对原始图像进行分块和斜变换预处理,得到斜变换后的块矩阵,对块矩阵进行增强奇异值分解,依据分解后的最大奇异值与整体最大奇异值均值计算特征向量;对水印图像进行Arnold变换和混沌映射得到加密置乱的水印图像;最后利用特征向量和加密置乱水印图像进行异或运算构造零水印图像;利用天牛须优化算法(Beetle Antennae Search Algorithm,BAS)中的适应度函数迭代确定增强奇异值分解中引入的参数?。实验结果表明,该算法在抵抗JPEG压缩、噪声、滤波、旋转、剪切和混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到98%以上,水印算法的安全性能较好。通过BAS对水印算法进行优化,在降低水印算法运算量的同时实现自适应确定参数?来降低图像受攻击时的敏感度,均衡奇异值矩阵的灰度值,从而解决奇异值分解水印算法存在的高虚警率与对角线畸变问题。采用零水印技术解决了传统嵌入式水印算法中水印的鲁棒性与隐蔽性不平衡的问题,进一步提高了水印算法的鲁棒性。该论文有图17幅,表12个,参考文献73篇。