多尺度几何分析能够有效的表示图像或者更高维信号的奇异特征,而剪切波(Shearlet)作为多尺度分析函数发展的最新产物,具有更强的方向敏感性和稀疏表达能力。本文在深入研究剪切波变换理论的基础上,把非下采样剪切波变换应用于数字图像水印领域。非下采样剪切波在变换过程中舍弃了剪切波变换中下采样的操作,避免了分解后出现频谱混叠现象,使得它拥有较好的频域局部化特征、多重方向特性以及能够最稀疏的表示图像的能力。图像经过非下采样剪切波变换被分解为多个方向子带,本文结合图像纹理方向特性选取合适的方向子带作为水印的嵌入位置。最后基于对角奇异值分解与主成分分析提出两种剪切波域图像水印算法。具体主要工作如下:(1)非下采样Shearlet水印嵌入位置的选取。图像经过非下采样剪切波变换后被分解为不同尺度、多方向的子带图像。选取合适的子带图像作为水印的嵌入位置对于水印算法的性能起着很重要的作用。本文分析了图像的纹理特征并经过实验论证,最终确定把纹理方向特性作为水印嵌入位置的选取准则。纹理特征代表着图像高频等细节信息,其与水印的结合符合人眼视觉特征,也有利于水印鲁棒性的提高。(2)结合图像纹理方向性与对角奇异值分解的非下采样Shearlet域非盲水印算法。在确定把纹理方向性作为水印嵌入位置的选取标准后,利用对角奇异值分解实现水印的嵌入。对角奇异值分解不仅拥有稳定、旋转不变性等优良特性外,而且相较于标准奇异值分解,它对图像的损坏较小,使得嵌入水印后的图像具有更高的峰值信噪比。此外,由于其独特的计算过程提高了水印的安全性能。实验结果证明,水印的嵌入并没有引起原始图像的失真,而且经过大量图像攻击之后水印能够完整的提取出来。(3)在研究图像纹理方向性理论的基础上,结合主成分分析(PCA),实现了一种基于非下采样Shearlet域盲水印提取算法。在确定水印嵌入位置后,通过主成分分析获取能够最佳表示图像主要信息的降维特征信息,在此基础上利用相邻像素特征平均值的方法实现水印的嵌入与盲提取。降维特征信息包含了图像大量的能量,使得水印能够抵抗一系列形式的攻击,表现出很强的鲁棒性能。