中文摘要：

基于SIFT（scale—invariant feature transform）特征点和高斯混合模型（Gaussian mixture model）的几何不变鲁棒水印算法，对旋转、缩放、平移、仿射变换等几何攻击具有几何不变性。首先，用基于高斯混合模型的聚类算法对图像的所有SIFT特征点进行聚类。然后，逐比特地将水印信息嵌入到聚类后含有多个特征点的每个聚类中。因为水印信息的每个比特被嵌入到一个聚类的多个SIFT特征点中，因此水印的鲁棒性不再像传统的基于特征点的水印算法那样仅仅依靠单个特征点。使用两轮投票的策略从每个聚类中逐比特地提取出水印信息。实验结果表明，算法在抵抗多类几何变换攻击（如旋转、缩放、仿射变换、剪切等）和一般图像处理攻击（如JPEG压缩、图像滤波等）方面的鲁棒性要高于同类算法。