随着计算机技术和多媒体技术的快速发展,人们对信息安全提出了更高的要求。研究数字多媒体作品的版权保护和电子商务中的身份认证,能够确保多媒体信息的真实性、完整性和有效性,为保护个人财产的安全、维持金融交易的稳定提供重要的技术支持。本文在前人研究的基础上,深入研究了版权保护和身份认证中的数字水印技术和指纹识别技术,主要工作如下:首先,提出了一种基于复Contourlet域的支持向量机(Support Vector Machine,SVM)和Krawtchouk矩的双水印算法。在RGB宿主图像的蓝色分量上通过Krawtchouk矩不变量构建鲁棒水印,对绿色分量进行复Contourlet分解,并利用SVM预测模型嵌入和提取数字水印。实验结果表明,与基于小波域的数字水印算法和基于Contourlet域的数字水印算法相比,该算法对常规图像处理有更好的鲁棒性。然后,讨论了一种在非下采样Contourlet变换(Non-subsampled Contourlet Transform,NSCT)域上利用尺度不变特征变换(Scale-invariant Feature Transform,SIFT)关键点对图像几何校正,结合非负矩阵分解(Non-negative Matrix Factorization,NMF)和奇异值分解(Singular Value Decomposition,SVD)的抗几何攻击水印算法。对RGB宿主图像进行NSCT变换并分别提取低频部分的蓝色分量和红色分量,在蓝色分量上进行NMF分解和SVD分解后得到非负矩阵的奇异值,进行水印的嵌入;同时利用红色分量上的SIFT关键点信息对宿主图像进行几何校正,恢复了水印的同步信息后再进行水印的提取。实验结果表明,该算法在保证不可感知性的前提下,能很有效地抵抗各类几何攻击。其次,实现了一种基于多尺度Retinex(Multi-scale Retinex,MSR)的NSCT域指纹图像增强算法。对指纹图像进行NSCT分解得到一个低频分量和多个不同方向的高频分量,利用混合灰度函数的MSR算法增强低频分量,高频分量则采用非线性增益函数进行调整。实验结果表明,与双向直方图均衡算法、MSR算法、NSCT算法、平稳小波变换和Retinex算法等增强算法相比,该算法能更有效地提高指纹图像的信息熵和对比度,改善指纹图像的整体视觉效果,便于后续的指纹图像感兴趣区域分割和指纹特征提取。再次,给出了一种基于混沌蜂群(Chaotic Bee Colony,CBC)优化和可变界限盒的指纹匹配算法。利用混沌蜂群优化算法估计出指纹匹配特征的几何变换参数,对指纹特征点进行初匹配,并通过阈值筛选出合适的初匹配对;结合可变界限盒匹配对其进行第二次筛选,得到最后的匹配结果。实验结果表明,相较于基于局部特征的指纹匹配算法和基于遗传算法优化的指纹匹配算法,该算法匹配精度更高,运算时间更短。最后,研究了一种基于QR分解的指纹图像脆弱水印和指纹特征匹配相结合的身份认证系统。脆弱水印算法将宿主图像进行NSCT分解后,对低频部分分块并进行QR分解,得到上三角矩阵;利用Arnold变换和Logistic置乱对指纹水印进行双重加密后嵌入到上三角矩阵中。在身份认证系统部分,通过将水印算法部分提取出的指纹水印的特征和现场采集的指纹图像中所提取的特征或者数据库中存储的特征进行匹配,实现身份认证的目的。实验结果表明,水印算法对于常规图像处理和一般几何攻击都具有很好的脆弱性,并且不可见性高;结合指纹匹配后,身份认证系统具有较高的安全等级,能满足金融领域的用户身份认证需求。