近几年，致力于寻求保真度和鲁棒性的最佳权衡点，有关人士相继提出了基于载体信息的编码(informed coding)与基于载体信息的嵌入(informedembedding)的一些数字水印算法。基于载体信息的编码，就是在编码过程中，对于要嵌入的信息，利用载体信息在几个可选码向量中进行选择，找到在嵌入过程中引起作品失真最小的那个码向量。基于载体信息的嵌入，就是在嵌入过程中利用载体信息对水印模板进行调整，以获得保真度与鲁棒性的最优折衷。这些算法，存在有算法复杂度较高，容量不够大等问题。 本文采用向量HMM来为小波系数建模，并基于此发展了基于小波域向量HMM的水印嵌入和检测算法。在检测器的设计上，针对在采用了基于载体信息的嵌入策略之后接收端无法获知嵌入强度的问题，提出了局部最优假设检验LOT检测器。基于LOT检测器，定义了鲁棒性测度，并设计了结构化的脏纸编码。仿照Watson构造DCT域的视觉模型的原则构造了小波域的Watson视觉模型，并将它用于定义水印嵌入所引起的失真。结合LOT检测器非线性的特点，对基于载体信息的编码和基于载体信息的嵌入进行了联合优化。在嵌入过程中，为更好地优化鲁棒性和不可见性之间的矛盾约束，引入了具有良好全局优化能力的遗传算法(GA)，以此获得最优嵌入强度系数。 大量的实验仿真表明本文提出的水印算法能在达到1/64比特/象素的嵌入容量的同时，大幅度提升了抵抗JPEG压缩攻击、数值标量(value-metric)攻击、低通滤波攻击等方面的性能，显示了良好的鲁棒性。