目前多尺度分析技术在图像处理方面被广泛应用,结合多尺度分析的数字水印技术成为研究的热点。近年来提出的一种新的基于多尺度分析方法的Shearlet变换具备各向异性,多分辨率,多方向性的特点,并能处理多维函数的奇异性信息,获得图像的最稀疏表示和非线性逼近,将其同数字水印结合,能更好地满足水印中不可见性和鲁棒性的要求。本文对非下采样Shearlet变换的特性作了进一步分析,并提出了两种基于非下采样Shearlet变换的数字水印算法,主要内容有以下几个方面:(1)非下采样Shearlet变换的研究。分析了非下采样Shearlet变换的实现过程以及具有的优点,为后面将其与数字水印的结合提供了理论依据。(2)基于非下采样Shearlet变换的水印嵌入位置和嵌入方法的研究。考虑到人类视觉对图像的平滑部分和非平滑部分具有不同的敏感度的特点,本文提出了一种非下采样Shearlet变换下的分块数字水印算法,将原始图像分成不重叠的,大小均相同的图像块,根据一定原则选择目标图像块,经过该变换后,得到多分辨率多方向的子带图,其为水印的嵌入位置提供了较多的选择,然后从中选择最适合的子带图利用奇异值分解的稳定性等特点进行水印信息的嵌入;最后通过对多幅图像仿真表明,提出的算法对剪切,滤波,JPEG压缩等多种攻击都有较好的鲁棒性。(3)提出了一种非下采样Shearlet变换域下,基于Harris-Laplace和遗传算法的水印方案。利用Harris-Laplace检测出能够表征图像特征的像素点,并计算其特征尺度,最终选择互不重叠并且较为稳定的几何不变区域进行非下采样Shearlet变换,在嵌入算法中,通过量化子带系数的方法进行,结合遗传优化算法求得八种攻击下最优的嵌入强度,此时保证了在这八种攻击下,能得到较好的峰值信噪比和归一化相关系数,从而使水印的不可见性和鲁棒性达到平衡,实验表明本算法获得了良好的性能,并能同时保证不可见性和鲁棒性。