针对三维医学影像的版权保护问题，以及随着待保护图像数量增加而导致的水印存储容量同步增加的问题，提出了一种基于光线投射采样和极复指数矩的三维医学影像鲁棒性零水印算法。首先，提出了一种基于光线投射的采样算法，对多张二维医学图像序列构成的三维医学影像进行特征采样并在二维图像空间中进行描述；其次，提出了一种针对三维医学影像的鲁棒性零水印算法，所提算法通过光线投射采样获取三维医学影像的冠状面、矢状面和横切面的3个二维特征图像，将3个二维特征图像进行极复指数变换获得四元数正交矩；最后，使用四元数正交矩和Logistic混沌加密构建零水印信息。仿真实验结果表明，在各种常见的图像处理攻击和几何攻击下所提算法能够保持零水印提取的比特正确率在0.920 0以上，水印存储容量随着三维医学影像的数据增多而提升，与其他优秀的二维医学图像零水印算法相比，所提算法的存储容量至少提升了93.75%。

针对现有基于深度学习框架的水印算法无法有效保护高维医学图像版权问题，提出一种基于多尺度知识学习的医学图像水印算法用于弥散加权图像的版权保护。首先，提出一个基于多尺度知识学习的水印嵌入网络来嵌入水印，并通过微调的预训练网络提取弥散加权图像的语义、纹理、边缘以及频域信息作为多尺度的知识特征；然后，结合多尺度的知识特征来重构弥散加权图像，并在该过程中冗余地嵌入水印，从而获得视觉上与原始图像高度相似的含水印的弥散加权图像；最后，提出一个基于金字塔特征学习的水印提取网络，并通过在含有水印的弥散加权图像的不同尺度的上下文中学习水印信号的分布相关性来提高算法的鲁棒性。实验结果表明，所提算法重构出的含水印图的平均峰值信噪比（PSNR）达到57.82 dB。由于弥散加权图像在转换为弥散张量图像时需满足一定的弥散性特征，所提算法仅8个像素点的主轴方向偏转角大于5°，且这8个像素点均不在图像的感兴趣区域。此外，该算法所得图像的各项异性（FA）以及平均弥散率（MD）都接近为0，完全满足临床诊断的要求；且面对裁剪强度小于0.7，旋转角度小于15°等常见的噪声攻击，该算法的水印正确率达到95%以上，能有效保护弥散加权图像的版权信息。