随着网络技术的迅速发展，网络上的图片数目飞速增长。当网络用户对图片的需求得到极大的满足的同时，不得不面对查找图片难度加大和盗版日益猖獗的问题。论文以人类视觉模型、矢量量化为理论基点，以设计鲁棒不可见图片数字水印算法为目标，主要围绕矢量量化的矢量选取、码书扩展和嵌入位置选取问题展开研究。论文的主要研究内容如下:　　针对用户难以在海量图片资源中快速、准确定位目标图片的问题，提出了图片UCL语义标引方法。系统根据用户访问图片的UCL语义信息推断其喜好，用户再次搜索图片时通过提高用户喜好类型图片资源的搜索优先级实现快速准确定位目标图片。针对网络图片资源易被盗用的问题，结合图片UCL语义标引，提出了基于图片UCL的语义水印系统。该系统使用矢量量化算法嵌入水印信息，被嵌入水印鲁棒性高、不可见性好;使用CMAC算法附加版权信息验证码到图片中，实现对版权信息的双重保护。　　针对基于矢量量化的水印嵌入算法对幅值攻击鲁棒性不强的问题，提出了一种载体向量选取方法和与此搭配使用的码书扩展方法。试验证明此算法对幅值攻击、椒盐噪声攻击、高斯白噪声攻击、JPEG压缩攻击、旋转攻击有较好的鲁棒性。　　针对大水印嵌入量和水印不可见性之间的突出矛盾，借鉴人类视觉模型对图像质量的评价方法，通过评估图像小波域中每个点JND(JustNoticeableDifference)值得到适合嵌入水印的区域。试验证明此选取方法可有效解决大水印嵌入量和水印不可见性之间的矛盾。