可逆图像水印技术是信息隐藏技术的一个重要分支。利用该技术,可以将水印信息隐藏在载体图像中,并且实现水印信息及原始载体图像的无误恢复。可逆图像水印的目标是在无误提取水印信息及无损重构原始载体图像的基础上,以尽可能小的失真嵌入尽可能多的水印信息。但是嵌入的水印信息越多,导致的失真会越大,因此需要在嵌入容量和嵌入失真之间找到一种良好的折中。为此,众多的研究者开展了许多的研究。基于预测误差扩展-直方图平移（PEE-HS）的可逆图像水印算法是目前可逆图像水印研究中比较热门的研究方向。对于这一类算法,其性能在较大程度上取决于所使用的预测器的准确性,这是因为预测器越准确,预测误差直方图零点处的尖峰则会更高,从而使得嵌入效果会更好。为此,本文主要通过自适应优化策略改进当前性能最佳的局部预测器,以减小预测误差,进而提高可逆水印算法的性能。由于自然图像中存在边缘、纹理等特性,而且在边缘、纹理等方向的图像像素值比较接近,如果沿着这些方向进行预测,将有利于提升预测的准确性。根据这一思路,本文提出了一种基于套索算法（LASSO）的可逆图像水印算法。具体而言,首先根据自然图像中存在的边缘、纹理特性,将图像像素的预测问题表征为一个LASSO问题;然后求解该问题得到预测系数及预测误差;进而利用PEE-HS技术嵌入水印信息。实验仿真结果表明,嵌入的水印信息量较少时,该算法比基于局部预的可逆图像水印算法性能更好,在嵌入较多水印信息时性能则相当。鉴于局部预测器是当前最佳的预测器,这些实验结果表明了本文所提出的预测器及其对应的可逆水印算法的可行性和有效性。此外,本文还对基于固定预测块的局部预测算法进行了改进,即利用自然图像中存在的边缘、纹理等特性,提出了一种基于自适应块大小的局部预测算法。具体而言,对于每一个待预测像素,首先用其上下左右四个像素的平均值替代,以实现嵌入端和检测端的同步;随后设置若干个候选的块大小,并分别用这些候选块大小进行局部预测计算出候选预测值。随后用候选预测值减去该像素的平均值（即上下左右相邻像素的平均值）而得到相同数量的候选预测误差,这是因为若减去原始像素值将导致接收方无法同步。由于候选预测误差是相对于平均值而非原始像素值的预测误差,因此在对候选预测误差排序后选择第t（t≥1）小的候选预测误差对应的预测值作为最佳的预测值,以使得该预测值与原始像素值之间的预测误差尽可能最小。其中t通过实验仿真方法而得到,并对整幅图像的所有像素都保持不变。此后用各像素的最佳预测误差构建预测误差直方图,并利用PEE-HS技术嵌入水印信息。基于Matlab的实验仿真结果表明,在任意嵌入率下,本文提出的算法性能明显优于利用了固定预测块局部预测器的当前最佳算法,并比同类基于中值边缘检测器（MED）、梯度调整预测器（GAP）的可逆水印算法性能有大幅提升。此外,本文算法亦与使用了排序技术的可逆图像水印算法性能相当。