[01245563]基于圆环统计特征的抗旋转图像Hash方法

各种功能强大、操作简单的图像处理软件的出现，如PhotoShop和ACDSee，使数字图像的编辑操作变得越来越容易，导致篡改、伪造等图像侵权问题日益严重，图像内容版权保护和完整性认证成为亟待解决的事情。

与此同时，数字图像大规模增长急需更为有效的技术，以实现对海量图像数据的高效检索和管理。近年，数字媒体内容处理领域出现了一种名为图像Hash（哈希）的新技术，可广泛应用于图像检索、拷贝检测、内容认证、篡改检测、数字水印、图像质量评价、图像索引等方面。

图像Hash是用于表征图像的一串短小的字符或数字序列。由于正常的数字处理，如JPEG压缩和图像增强，会改变图像的具体表示数据，但仍然保持视觉内容不变，因此，尽管传统密码学Hash函数，如MD5和SHA-1，能将任意输入信息转换成长度固定的字符串，然而因为它们对输入变化非常敏感，任何1比特不同都会完全改变输出，所以不能直接用于图像Hash提取。

为此，图像Hash应反映视觉内容，对具体表示数据不敏感。

通常，图像Hash应满足两个条件：（1）鲁棒性，即对视觉相似的图像，不管其具体表示数据是否相同，Hash应以很大的概率相同或十分接近;（2）唯一性，即不同内容的图像拥有完全不同的Hash。

图像Hash研究起源于上世纪九十年代中后期，然而进入21世纪后，该方面研究才真正引起研究人员的广泛重视，并在近年获得了较快发展。

根据图像Hash方法的内在构造技术不同，可将现有方法大致分为如下五类：（1）基于统计量的方法;（2）基于不变关系的方法;（3）基于粗略特征描述的方法;（4）利用图像低层语义特征;（5）运用矩阵分解技术。

上述已有技术大多对某些数字处理具有稳健性，如JPEG压缩、数字滤波、图像缩放、亮度调整，但普遍对旋转操作脆弱，存在唯一性较差的不足。

本成果提出了一种基于圆环统计特征的抗旋转图像Hash方法。

该方法先用双线性插值法将输入图像转换成规定尺寸，再用高斯低通滤波器处理图像，如果输入图像是彩色图像，则将其转换到YCbCr颜色空间并取亮度分量表示，接着将图像分割成若干个圆环，提取每个圆环像素的均值、方差、偏斜度和峭度等统计量作为特征，然后对统计特征进行归一化，再计算各统计量的均值并以此作为参考特征，最后计算每个圆环统计特征与参考特征的欧氏距离，串连所有距离值即为图像Hash，提取图像Hash的流程如图1所示;

判断Hash相似性时，计算它们的L2范数，如果小于设定阈值，认为它们对应的图像相同，否则认为是不同图像。

该图像Hash方法对图像旋转、JPEG压缩、亮度调整等常见数字处理稳健并具有良好的唯一性。