随着数字产品的普及,数字信息的传播、复制、篡改和窃取也变得极其容易,因此如何有效地保护数字产品的版权和防止数字产品的盗版变得越来越紧迫。数字水印技术作为版权保护的有效手段,引起了人们极大关注。目前已出现多种数字水印算法,典型的水印算法有空域算法、变换域算法、小波域算法、超小波域算法等。本文研究的是超小波Contourlet变换域的数字水印算法。Contourlet变换域的水印算法是数字水印技术的新发展,它弥补了其它变换分解时未能分解高频子带的缺陷,在数字水印的应用上极大地拓展了水印信息的嵌入空间。目前,在图像水印中,已出现的Contourlet变换水印算法中嵌入的水印主要是伪随机序列或二值图像,很少涉及到信息量丰富的灰度级图像水印。本文针对目前Contourlet域嵌入的水印信息量不丰富的缺点,为了改善这个问题提出采用较大灰度级图像作为水印,实现了Contourlet变换灰度图像水印算法；同时还提出了Contourlet变换和自适应模糊神经网络相结合的水印算法。本文的主要工作内容如下：论文首先介绍了Contourlet变换的基本原理,在Contourlet变换的基础上,实现了Contourlet域灰度图像水印算法,算法中利用Contourlet变换的多分辨率、局部化、方向性等特性,采用类似于线段的基捕捉图像的边缘信息,使得图像的处理更加具有逼真度,提高了水印算法的鲁棒性。水印在嵌入之前进行了双重置乱,即对水印做了多次的Arnold和Baker映射变换,增加水印的安全性。根据人眼对图像的纹理和边缘不敏感的视觉特性,嵌入在Contourlet变换的低频子带系数中,减少了视觉上的失真。并且本算法在Contourlet域内嵌入水印类型和信息量方面有了较大突破,通过Matlab仿真实验结果表明,在鲁棒性能攻击测试中,与其它算法相比,本算法提取水印后的归一化相关系数更大,水印性能更优越。另一种算法是Contourlet变换与自适应模糊神经网络相结合的数字水印算法,采用的水印图像是二值水印,提取水印时,含水印图像先经过Contourlet分解,然后采用ANFIS网络建立水印盲提取模型,利用ANFIS网络强大的学习能力和泛化能力极大程度上的提取水印图像,因此水印的稳健性也更强,在各种鲁棒性能攻击测试下,通过Matlab仿真实验结果表明了算法提取二值水印的性能指标较优异,并且肉眼也能清晰可见提取的水印,说明了算法的可行性和实用性。