图像Hash是通过单向映射从数字图像中提取短小的认证码,若图像被篡改,Hash将发生重大改变。本项目以稳健性和安全性为主线开展理论和方法研究,主要研究成果为构建了词典式结构的Hash框架,在此框架下分别实现了基于非负矩阵分解(NMF)和基于Zernike矩的感知稳健图像Hash方法。研究表明,词典式结构在提高Hash性能方面有重大优势,包括极低的冲突概率、极高的安全性、优良的感知稳健性。词典规模直接影响Hash性能,所建立的框架允许对词典进行不断扩充并保持兼容。作为本项研究的基础性工作,提出了感知相似性测度,研究了感知稳健的图像特征提取和数据压缩方法。还提出了基于Harris角点的图像Hash方法、颜色特征和显著性区域检测,以进一步提高图像Hash性能。研究了图像被动认证等相关问题。发表论文58篇(含录用6篇),其中期刊论文34篇(国际21篇,国内核心期刊13篇),会议论文24篇(国际22篇,包括ICCCI 2010特邀报告,国内2篇)。14篇论文为SCI检索,43篇EI检索,7篇ISTP检索。培养博士生5名(已毕业4名),硕士生7名(毕业4名)。申请发明专利2项。开发软件2项。
英文主题词image hash; perceptual robustness; lexicographic structure; non-negative matrix factorization; similarity metric