随着互联网的兴起,数字产品的类型与传播方式更具多样化,为了避免数字产品传播过程中遭到篡改与非法利用,数字水印技术应运而生。文本、图像、音频、视频、等均可作为数字水印的载体,本文使用图像作研究对象,将水印信息嵌入图像之中,使人眼难以辨别载体图像与含水印图像之间的差异,在不影响图像视觉效果的情况下,实现水印信息的可靠传输,并在传输过程中遭遇失真或是一定程度的攻击后仍能完整地提取出水印,可有效地应用于泄密追踪、版权认证、防伪溯源等。传统的数字水印算法的设计需要设计人员具有大量的知识储备,设计较为复杂,且无法动态地对算法进行调整,本文引入了生成对抗网络进行研究,对实现水印嵌入与提取自动化具有深远的意义。本文主要的研究内容如下:1.提出了一种基于生成对抗网络（Generative Adversarial Networks,GAN）与非下采样轮廓波变换（Nonsubsampled Contourlet Transform,NSCT）的数字水印模型,利用GAN的对抗性生成与原始图像几乎相同的含水印图像,并且能将水印从含水印图像中顺利提取出来;使用二级NSCT,将水印信息嵌入载体图像低频分量中,提升水印鲁棒性;将图像从RGB空间转换为YUV空间,并在Y空间对水印进行嵌入,提升不可察觉性;模型使用LSGAN的损失函数,缓解传统生成对抗网络梯度消失的问题;在生成器中加入攻击层,将其与嵌入、提取结构同时进行训练,用以模拟各种常见攻击,使含水印图像在经过一定程度的攻击后水印仍能顺利恢复;使用不同数据集进行训练并检测分析各类型攻击对水印提取情况的影响。采用此模型在水印提取过程不需要原始图像的参与,可直接从含水印图像中进行提取。2.使用ORB（Oriented FAST and Rotated BRIEF）选取特征点,并构成特征区域,对特征点周围的局部区域即特征区域进行水印嵌入。相比于对整幅图像进行水印嵌入,此方式提升含水印图像不可见性。利用ORB算法与NSCT的特性,使水印在提取时抵抗旋转、缩放、拼贴攻击及其组合攻击的能力得到提升。