近些年以来,随着各大以分享图片为要素的软件(例如国外的Facebook、Instagram,国内的微博、微信等)产生以及具有高清拍摄功能移动设备的发展,图片信息成为人们使用得最多的多媒体数据。又有互联网和多媒体技术的全球化发展,使得人们可以在任何时间任何地点在互联网中上传自己的数字图像数据,或搜索自己需要的图片信息。这给人们生活学习带来了极大的方便,但也使得人们不得不对互联网中图片信息的真实性以及安全性产生忧虑。图像哈希技术为管理数字图像呈现了一种全新且高效安全的解决方法。本文将从多个角度对这种算法进行深入研究。本文由五个部分构成,第一部分是绪论部分,这部分详细描述了数字图像哈希技术研究的背景、意义以及国内外研究近况。第二部分介绍了图像哈希技术的基础理论,阐述了图像哈希技术的概念、性质、常见的几种提取方法及其特点。本文把基于图像局部特征的哈希算法作为研究的重点,第三章以及第四章中做了以下相关工作:(1)论文第三章中根据图像的显著信息提出了一种新的哈希提取算法。在本章算法中首先对图像进行DOG滤波,滤波之后只留下图像指定尺度上的细节信息,把一些不必要的高频及低频信息滤去,然后把彩色图像转换至指定的颜色模型中提取图像显著图。因为图像显著信息能提高分析准确性同时减少数据处理量,故本章算法中把图像显著信息图作为图像的特征信息,最后根据所提取出来的特征信息提出了一种新颖的量化压缩算法来构造哈希序列。本章通过比较受攻击前后提取出的哈希序列间汉明距离来衡量算法对于各种攻击的稳健性。根据实验结果及实验分析,表明了本算法能有效的抵抗图像高斯滤波、中值滤波、直方图均衡、尺度变换、剪裁及旋转等常规性操作,最后通过对比实现再次体现了本章算法的优越性。(2)论文第四章中利用图像的边缘信息作为特征信息,从而提出一种提取哈希的算法。本章选取图像边缘信息中稳健Harris角点来构造图像特征向量。本章算法共分为三步:第一步根据图像边缘方向流场来提取出贴近人类视觉系统的图像边缘灰度图。第二步从提取出来的图像边缘灰度图中计算出稳健的Harris角点,以此作为图像的特征向量。第三步根据特征向量最终量化压缩为图像哈希序列,产生的哈希值为一组二进制序列。为展现评价哈希算法鲁棒性的多种方式,本章与第三章采用了不同的评价算法。第三章中用的是汉明距离来分析,而本章则是通过计算图像攻击前后哈希序列间相关系数的最大值、期望、最小值和标准差来衡量。实验结果表明本章算法对大多数常规攻击都有较强的鲁棒性,即使是在对图像内容扰动较大的旋转攻击下都具有好的稳健性。本章算法还通过受试者工作特征曲线/接收器操作特性曲线(Receiver operating characteristics curve)作为分析工具,与两种经典算法作对比实验,结果进一步表明了本章算法的优越性。第五章是对本文所有研究工作做了一个整理和分析,讨论了第三章及第四章中提出的哈希算法的不足之处,对今后的学习及工作提供研究的方向。