针对解决奇异值分解(Singular Value Decomposition,SVD)水印算法导致虚警率过高、对角线失真以及鲁棒性不强以及水印算法存在的安全性的问题,提出一种基于非负矩阵分解(Non-negative Matrix Factorization,NMF)和增强奇异值分解(Boost Normed Singular Value Decomposition,BN-SVD)的自适应零水印算法。首先,利用Arnold变换和Logistic映射实现对水印图像的双重加密预处理操作。其次,对原始灰度图像进行二级离散小波变换(Discrete Wavelet Transform,DWT),对得到的低频子带作不重叠分块处理,对得到的各个子块作秩为r的NMF分解,分解后得到的特征矩阵进行增强奇异值分解。依据分解后各块矩阵中最大奇异值与整体最大奇异值均值的大小关系构成特征向量。利用加密水印图像与特征向量作异或运算生成零水印。利用天牛须优化算法(Beetle Antennae Search,BAS)全局寻优确定增强奇异值分解中引入抗攻击缩放比例的参数,能够实现奇异值分解所得的对角矩阵均衡化从而解决对角线失真问题。实验采用归一化系数作为水印性能评判标准,实验结果表明,该算法在抵抗JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击,提取水印图像与原水印图像的归一化系数NC值均可达到0.99以上,该方案不但高效地解决虚警率过高和对角线失真的问题,且该算法具有较强的鲁棒性,可以有效地抵抗几何攻击。该论文有图23幅,表13个,参考文献61篇。