随着计算机技术和网络技术的高速发展、各种知识和产业链的进步，人们获取丰富信息越来越容易，手段也越来越多样化，随之产生的复制传播、非法占有、修改未授权产品等行为越来越严重，对数字媒体内容的产权保护提出较高的要求。在现有产权保护方面，数字水印技术为数字媒体产权保护提供了一种新型高效方法。近几年来，随着三维游戏、三维电影、虚拟现实、CAD制图等领域的快速发展，以三维模型为主要载体的数字媒体得到了相应的普及。三维数字媒体的版权保护技术逐渐成为目前研究的重点和热点。本文针对数字水印嵌入与提取技术进行研究，主要研究内容如下：1）提出基于概率神经网络的变换域图像数字水印嵌入与提取算法。首先，对宿主图像进行分块，对每个块进行小波变换，其次，将低频系数分为小块，将水印信息线性嵌入到若干个小块中，然后，计算各系数小块与随机矩阵的相似度，以此作为输入训练概率神经网络，最后，通过训练后的概率神经网络提取水印信息。实验结果表明，该算法有很强的鲁棒性和水印不可见性。2）针对目前主流算法中更多关注水印算法设计的鲁棒性，从而忽略了对嵌入载体造成的视觉效果失真这一问题，提出了基于显著区域上变换域三维水印算法。首先，提取三维模型的显著区域，即对视觉相对显著地网格数据，其次。利用主成分分析（PCA）对三维模型数据归一化，使其可以抵抗平移、旋转、缩放等几何攻击，并将三维模型的笛卡尔坐标转化为球面坐标，然后对所提取的显著区域数据进行小波变换，将水印信息嵌入到小波低频与高频系数中，再通过小波逆变换，得到嵌入水印后的三维模型。通过实验结果，本文提出的水印算法既对多种攻击方式具有很强鲁棒性，同时又保护了三维模型良好的视觉效果不会被破坏。