本项目着眼于开放网络环境下数字影像版权保护和内容认证的理论与关键技术研究。通过结合机器视觉和模式识别最新理论，研究基于局部特征的鲁棒图像水印算法和基于视觉感知模型的半脆弱可逆水印算法。在版权保护方面，重点研究了基于局部特征区域的图像水印同步模型，并设计了能同时抵抗常规图像处理和几何攻击的鲁棒图像水印算法；在内容认证方面，重点研究了基于人类视觉感知模型和局部特征的可逆水印模型，并设计出具有视觉质量好、水印容量大的半脆弱可逆水印算法。在基金的支持下，本项目在鲁棒图像水印和可逆图像水印的研究方面取得突破，具体为：建立了基于局部特征区域的鲁棒图像水印同步模型，实现了宿主图像与水印信息的有效同步；提出了基于模糊理论的特征优化算法，适用于不同特征检测算子，提高了特征区域的稳定性；设计了基于局部特征区域的鲁棒图像水印算法，为其面向版权保护应用提供新途径；建立了半脆弱可逆认证水印的通用模型，实现了对数字影像内容真实性和完整性的认证；提出了基于视觉感知模型和局部特征的半脆弱可逆水印算法，具有视觉质量好、嵌入容量大等优点，实现完全无损或者高逼真度地恢复原始媒体信息。      本项目的科学意义是结合机器视觉和模式识别的最新理论，提出了面向数字影像版权保护和内容认证的通用框架，并使之成为其他学者开展后续研究的重要依据，丰富完善了第二代水印技术的理论体系。以此为基础，提出一系列数字水印的新理论和新方法，在国际权威期刊上发表了高质量的学术论文。在进行理论创新的同时，该项目在网络数字影像版权保护和内容认证的关键技术上取得突破，促进了基于局部特征的图像鲁棒水印和半脆弱可逆水印的发展，加快了理论实用化上的进程。本项目累计发表学术论文8篇，其中国际知名刊物6篇，SCI检索5篇；申请国家发明专利5项，授权4项。