摘要：图像哈希是近年来颇受关注的一个研究热点,但现有的图像哈希算法普遍存在对几何攻击(主要包括尺度、旋转、剪切)鲁棒性不足的缺点,不能满足很多实际应用的需要。针对上述问题,提出了对几何攻击具有强鲁棒性的SIH图像哈希算法。本算法基于在图像匹配等领域得到广泛应用的SIFT算子,通过对SIFT特征向量进行有针对性的筛选和压缩、基于特征向量分布质心的量化生成图像摘要。为适应图像摘要构造的特性,设计了基于广义集合距的匹配算法来衡量图像摘要间的距离。在公开图像库上的实验结果表明,本算法对几何攻击和非几何攻击的鲁棒性均优于对比算法,可广泛服务于图像识别/认证类型的应用。

摘要：为了改善哈希算法对旋转等内容修改的鲁棒性,设计了径向Tchebichef矩耦合颜色矢量角度的鲁棒图像哈希算法。引入2D离散小波变换(DWT),对图像的颜色矢量角度实施分解,获取对应的4个子带,将其低频系数作为结构特征。采用径向Tchebichef矩计算预处理图像的Tchebichef矩,提取全局特征。通过组合这2种特征,以形成中间哈希序列。设计加密函数,对中间哈希完成加密,得到目标哈希序列。计算初始目标与待识别图像的哈希序列之间的l2范数距离,并将其与预设阈值作比较,完成图像内容的真伪判别。测试数据表明:相对于已有的哈希算法而言,所提算法具备更高的鲁棒性,可以对旋转、颜色与缩放等内容修改做出准确识别。

摘要：为了解决当前图像哈希技术主要利用其灰度信息来生成哈希序列,忽略了图像的色彩特征,使其对感知鲁棒性与篡改检测能力不佳的问题,通过提取彩色图像的颜色信息与角度特征,设计了混合特征与颜色矢量角度的鲁棒彩色图像哈希算法。首先,引入线性插值与高斯低通滤波器,对初始图像完成预处理,增强哈希序列的对缩放、噪声等内容保留操作的鲁棒性;随后,将滤波图像分割为一系列的非重叠子块,利用奇异值分解方法处理每个子块,获取二次图像,改善其对旋转的鲁棒性;再计算二次图像的颜色矢量角度,通过设计两个鲁棒特征提取方法,确定显著性边缘像素点,获取图像的感知特征;通过将提取的两个特征进行组合,形成混合特征,利用量化方法,输出新的特征序列;并基于Logistic映射,设计加密机制,对混合特征进行混淆,获取鲁棒哈希序列。最后,利用Hamming距离,对图像内容的真伪进行检测。实验结果表明:与当前哈希技术相比,所提算法具备更高的鲁棒性与篡改检测精度。

摘要：为解决当前图像哈希算法难以兼顾较高的抗旋转鲁棒性与正确识别精度的问题,提出非负矩阵分解耦合环形区域分割的图像哈希认证算法。引入双线性插值算子,对输入图像进行预处理,增强哈希对图像缩放的鲁棒性,使其对不同尺寸图像具有相同长度的哈希序列;设计环形区域分割机制,将预处理图像分割为环形像素块,形成二次图像,获取旋转不变矩阵;利用非负矩阵分解,联合乘性更新规则,获取二次图像的系数矩阵,构建紧凑的图像哈希;依据哈希序列元素,设计相关系数模型,计算初始图像与用户接收图像的哈希值的相似度,通过优化确定决策阈值,完成图像内容的真伪认证。实验结果表明,与当前图像哈希算法相比,所提算法具有更强的感知鲁棒性与安全性,呈现出更好的ROC曲线特性,能够精确识别出旋转、噪声、缩放以及伽马校正等数字操作。

摘要：目的为了解决哈希算法的感知鲁棒性与伪造检测能力不高的问题,提出基于特征压缩机制与邻域空间局部二值模式的紧凑图像哈希算法。方法首先利用2D线性插值技术,对输入图像进行预处理;嵌入Ring分割技术,将其变为二次图像;再利用Gabor滤波技术对其完成过滤;考虑到图像的颜色特征与其内在的空间关系,基于局部二值模式LBP设计邻域空间LBP算子,提取滤波图像的特征;构建特征压缩量化准则,输出紧凑的哈希二值数组;迭代Logistic映射,输出随机序列,通过量化每个序列值输出密钥流,通过构建动态引擎设计分段异加密模型,实现紧凑哈希序列的加密,获取图像哈希;最后计算原始哈希序列与待检测哈希序列的Hamming距离,实现图像信息的安全认证。结果与已有的哈希生成机制相比,文中算法所输出的哈希序列更紧凑,对旋转、伽马校正等篡改操作具有更好的感知鲁棒。结论所提哈希技术具备较高的安全性,在包装图标检索、信息检测等领域具有较好的价值。

摘要：当前图像哈希算法大都是通过将彩图三分量R、G、B转换成灰度图像来生成哈希,丢失了色度信息,降低了算法对篡改内容的检测精度与敏感性的不足,为了解决上述问题,提出了超复数离散傅里叶变换耦合位置随机扰乱的彩色图像哈希认证算法。首先,通过构建新的扩散系数,从而改进偏微分模型PED(partial differential equation),对输入图像进行预处理,增强算法对图像缩放的鲁棒性,从而最小化图像信息丢失对算法的影响;再引入对数极坐标变换机制,将预处理图像变成二次图像;基于超复数理论与Fourier变换,将彩图三分量R、G、B视为四元数的虚部,建立四元离散Fourier变换机制,提取抗旋转篡改的图像特征;并基于Logistic混沌映射,设计位置扰乱机制,对四元离散Fourier变换低频幅度系数进行随机置乱;根据置乱后的幅度系数,构建图像哈希模型;最后,引入汉明距离,优化认证阈值,建立图像哈希相似度计算模型,以评估初始图像与用户接收图像的哈希相似度,完成图像内容的真伪认证。实验结果显示:与当前图像哈希算法相比,在处理彩色图像时,该算法具有更强的鲁棒性与安全性,呈现出更好的ROC曲线特性,能够有效识别亮度、旋转、噪声以及缩放等篡改攻击。

摘要：为提高哈希算法的感知性与鲁棒性,提出一种基于块截断编码与邻域空间LBP算子的鲁棒图像哈希算法。将预处理图像分割为非重叠子块,结合奇异值分解SVD(singular value decomposition),获取二次图像,引入块截断编码机制,输出其高、低电平矩和二进制位图;基于LBP(local binary pattern)算子,设计邻域空间LBP模式,获取位图的特征矩阵;构造量化函数,得到高、低电平矩阵对应的紧凑二值序列,利用主成分分析处理特征矩阵,输出二值序列,组合这些二值序列,获取图像哈希。根据Hamming距离,对图像真伪进行认证。实验数据表明,与当前哈希算法相比,所提哈希算法具有更好的抗碰撞性能与感知鲁棒。

摘要：在大数据时代,图像检索技术在大规模数据上的应用是一个热门的研究领域。近年来,大规模图像检索系统中,图像哈希算法由于具备提高图像的检索效率同时减少储存空间的优点而受到广泛的关注。现有的有监督学习哈希算法存在一些问题,主流的有监督的哈希算法需要通过图像特征提取器获取人为构造的图像特征表示,这种做法带来的图像特征损失影响了哈希算法的效果,也不能较好地处理图像数据集中语义的相似性问题。随着深度学习在大规模数据上研究的兴起,一些相关研究尝试通过深度神经网络进行有监督的哈希函数学习,提升了哈希函数的效果,但这类方法需要针对数据集人为设计复杂的深度神经网络,增大了哈希函数设计的难度,而且深度神经网络的训练需要较多的数据和较长的时间,这些问题影响了基于深度学习的哈希算法在大规模数据集上的应用。针对这些问题,提出了一种基于深度卷积神经网络的快速图像哈希算法,该算法通过设计优化问题的求解方法以及使用预训练的大规模深度神经网络,提高了哈希算法的效果,同时明显地缩短了复杂神经网络的训练时间。根据在不同图像数据集上的实验结果分析可知,与现有的基准算法相比,提出的算法在哈希函数训练效果和训练时间上都具有较大的提高。

摘要：为了提高哈希技术对旋转操作的识别能力,提出了全局-局部联合特征耦合中心方向信息估计的图像哈希认证技术.首先,引入2D线性插值技术,对输入的图像进行预处理,使其对任意的缩放操作都具有固定尺寸的哈希序列;然后,将预处理图像转变为HSV彩色空间,借助二维离散小波变换(Discrete Wave Transform,DWT)处理V分量,利用其低频系数形成二次图像;再引入奇异值分解(Singular Value Decomposition,SVD)处理二次图像,提取其全局特征,将其作为第一个中间哈希序列;基于Fourier机制,借助残差方法,确定图像的显著区域,获取其位置与纹理的局部特征,作为第二个中间哈希序列;随后,引入Radon变换,通过计算图像的中心方向信息,将其与2个中间哈希序列组合,形成过渡哈希数组;借助Logistic映射,定义动态引擎参数,从而设计了分段异扩散技术,对过渡哈希数组进行加密,输出最终的哈希序列;最后,通过估算原始哈希序列与待检测哈希序列的Hamming距离,将其与用户阈值进行比较,完成图像认证.实验结果显示:与当前的图像哈希技术相比,所提算法具有更高的鲁棒性与安全性,对旋转攻击能力具有更好的识别能力.

摘要：针对现有图像哈希算法普遍存在抗几何攻击能力不强的缺点,提出了一种基于极谐变换(Polar Harmonic Transform,PHT)的鲁棒图像哈希算法。极谐变换是新近发展的一种正交矩变换方法,图像的变换幅值对旋转缩放具有不变性,利用这一特点用图像的极谐变换幅值生成图像摘要。首先对图像进行极谐变换,然后将得到的幅值系数进行筛选量化得到二值序列,最后根据预先设计的密钥对二值序列进行置乱生成图像摘要。仿真结果表明,上述算法对几何攻击和常规信号处理攻击均具有很强的鲁棒性,优于对比算法性能,能够用于图像识别、搜索、认证等方面的应用。