图像哈希算法是信息安全和图像处理交叉领域的一项重要研究课题,已经在诸多方面取得成功应用,如内容认证、图像取证、水印嵌入、篡改检测等。实际上,它是一种图像表示的新技术,能将任何大小的图像映射成一串简短的字符或比特序列。一般情况下,图像在使用过程中都需要经历一些数字操作,操作后的图像的具体数据发生了变化,但视觉内容基本不变。因此,哈希算法应将这些视觉内容相似的图像映射成相同或者相近的哈希序列,这一性质称为鲁棒性,该性质能保证哈希算法可正确识别那些经过亮度调整、对比度调整、JPEG压缩等处理的图像。图像哈希算法的第二个性质是唯一性,要求视觉内容存在较大差异的图像,其哈希值应有很大的差别,以确保算法能准确分辨不同内容图像。除了上述两个基本性质外,在一些具体应用中,图像哈希还应该具有其他性质。例如,应用在图像取证时,图像哈希应该具有安全性,以免被恶意篡改或伪造。图像哈希算法可分为两步完成,第一步为图像特征提取,第二步是图像特征的压缩编码。事实上,数据降维是实现特征压缩编码的一种有效技术,通过线性或非线性映射将高维数据投影到低维空间,进而发现隐藏在高维数据中的有意义低维结构,为特征压缩编码奠定基础。本文以两种经典数据降维方法(即局部线性嵌入和局部保持投影)为切入点,研究基于数据降维的图像哈希算法,取得了两项有意义的研究成果,即,基于局部线性嵌入的图像哈希算法和基于局部保持投影和Gabor滤波器的图像哈希算法。论文的具体研究结果如下。1、提出一种基于局部线性嵌入统计特征的图像哈希算法局部线性嵌入(LLE)对非线性流形的局部几何结构有较好表示,能够紧凑地描述数据之间的关系。本文研究了LLE在图像哈希的应用,发现正常处理后的图像的LLE结果的方差近似线性变化的性质。为此,本文设计了一种基于LLE的图像哈希算法。该算法先将图像尺寸规格化,再将彩色图像转换到CIE L*a*b*颜色空间,然后用亮度分量L*构造二次图像。接着将LLE算法应用于二次图像,用降维后的数据的方差作为图像哈希。计算哈希相似度时,采用相关系数作为衡量准则。2、提出一种基于局部保持投影和Gabor滤波器的图像哈希算法联合使用局部保持投影、Gabor滤波器、混沌映射等技术来建立图像哈希算法。该算法先用双线性插值将输入图像转换成固定大小,如果输入图像为彩色图像,则转换到YCbCr颜色空间并提取亮度分量表示;然后用图像块来构造二次图像并对其进行Gabor滤波,接着运用局部保持投影进行数据降维,用降维后的低维向量的方差来构造中间哈希值,最后用混沌映射对中间哈希进行数据加密,生成最终的图像哈希。判断哈希相似性时,用海明距离来度量。用大量实验验证本文提出的两种哈希算法的鲁棒性和唯一性,结果表明本文的两种算法对常见的数字处理,如亮度调整、伽玛校正、缩放、椒盐噪声等正常处理稳健,并可较好区分不同内容的图像。用接收机操作特性曲线来分析比较本文算法与多种文献算法的分类性能,实验结果显示本文的两种算法在分类性能上均优于比较的文献算法。