戴 歆 楊 成 陳 櫟

1(武漢商學(xué)院信息工程學(xué)院 湖北 武漢 430056)2(南昌大學(xué)軟件學(xué)院 江西 南昌 330000)

0 引 言

隨著數(shù)字信號(hào)處理的方便，多媒體內(nèi)容的可靠性和可信度已成為人們普遍關(guān)注的問(wèn)題，而數(shù)字圖像因其具有良好的直觀表達(dá)能力，已成為當(dāng)前各領(lǐng)域中必不可少的載體，得到了廣泛應(yīng)用[1]。然而，近年來(lái)，隨著計(jì)算機(jī)軟件與理論的日益完善，相應(yīng)的圖像編輯工具也變得更加容易得到，攻擊者能夠輕易獲取這些軟件，對(duì)圖像實(shí)施肆意修改，使得普通用戶(hù)無(wú)法對(duì)其內(nèi)容的可靠性完成判別，給其信息安全帶來(lái)隱患[2]。對(duì)此，國(guó)內(nèi)外學(xué)者設(shè)計(jì)了圖像認(rèn)證方案，如哈希方法，它是從短的二進(jìn)制或?qū)崝?shù)序列來(lái)提取圖像特征，可作為圖像的惟一表示而用于其信息的真?zhèn)螞Q策，該技術(shù)對(duì)其內(nèi)容具有強(qiáng)烈的敏感性當(dāng)圖像內(nèi)容發(fā)生極其微小變化，所產(chǎn)生的哈希值與初始圖像存在巨大差異[3-4]。圖像哈希序列的生成主要分為圖像預(yù)處理、特征提取與哈希序列三個(gè)過(guò)程，其中，特征檢測(cè)是其關(guān)鍵內(nèi)容，其魯棒性的高低對(duì)整個(gè)哈希算法具有重要影響[3-4]。如王彥超等[5]為了提高哈希序列對(duì)常見(jiàn)幾何篡改的魯棒性，提出了基于聯(lián)合特征與中心方向信息的圖像哈希算法。此方案對(duì)圖像的特征描述較為充分，使其獲得較為理想的魯棒性，但是，從圖像鐘提取三種特征，且直接將其視為哈希，導(dǎo)致其哈希維度非常高，降低了生成效率。唐振軍等[6]為了降低哈希維度，利用主成分分析機(jī)制，設(shè)計(jì)了一種緊湊哈希算法，利用插值運(yùn)算與濾波器來(lái)預(yù)處理圖，顯著提高了哈希生成效率。但是，該方案無(wú)法充分提取圖像的魯棒特征，導(dǎo)致整個(gè)哈希序列的魯棒性不理想，特別是旋轉(zhuǎn)修改，其識(shí)別正確率較低。Tang等[7]為了提高哈希序列對(duì)幾何變換的穩(wěn)健性，利用高階張量方法，提出一種的緊湊圖像哈希方案。該哈希方案利用了Lab顏色空間轉(zhuǎn)換，以去L分量為特征，充分提高了哈希對(duì)亮度修改的魯棒性。但是，張量分解難以有效充分獲取L分量的抗旋轉(zhuǎn)魯棒特征，使其對(duì)角度旋轉(zhuǎn)的正確識(shí)別率不高。

為了兼顧哈希序列對(duì)幾何修改的魯棒性與生成效率，本文提出了基于邊緣映射抽樣與多維尺度壓縮的緊湊圖像哈希算法。利用預(yù)處理方法來(lái)規(guī)范圖像尺寸，可消除尺度縮放對(duì)哈希序列的影響；隨后，利用顯著邊緣檢測(cè)拉獲取預(yù)處理圖像的邊緣映射，并且選擇性地采樣包含圖像中最豐富的結(jié)構(gòu)信息所對(duì)應(yīng)的一系列非重疊塊；通過(guò)SVD(Singular Value Decompostion)來(lái)分解這些抽樣子塊，提取其穩(wěn)定的魯棒特征；借助傅里葉變換與殘差機(jī)制，獲取預(yù)處理圖像的全局顯著特征；將兩種特征組合，形成中間哈希序列，再引入多維尺度機(jī)制，對(duì)其完成壓縮，形成低維哈希。經(jīng)過(guò)Logistic映射的加密后，得到了緊湊哈希序列；根據(jù)優(yōu)化的預(yù)設(shè)閾值，基于真實(shí)圖像與待認(rèn)證目標(biāo)之間哈希序列對(duì)應(yīng)的相關(guān)系數(shù)，實(shí)現(xiàn)圖像判別。并驗(yàn)證了所提方案的效率與魯棒性。

1 緊湊哈希算法

本文基于邊緣映射抽樣與多維尺度壓縮的緊湊哈希生成與認(rèn)證過(guò)程見(jiàn)圖1。該方案主要分為4個(gè)階段：(1) 圖像的預(yù)處理; (2) 基于邊緣映射抽樣與殘差機(jī)制的魯棒特征提取; (3) 基于多維尺度的哈希序列壓縮; (4) 哈希序列的加密與認(rèn)證。

圖1 本文哈希算法的生成與認(rèn)證過(guò)程

1.1 初始圖像的預(yù)處理

圖像預(yù)處理是哈希生成的重要階段，它能提高哈希序列對(duì)尺度縮放與噪聲污染等篡改類(lèi)型的魯棒性[1]。為此，本文引入雙線(xiàn)性插值方法[8]來(lái)處理初始圖像，增強(qiáng)其多縮放的穩(wěn)健性，使其產(chǎn)生的哈希序列長(zhǎng)度不受尺寸的影響；再利用帶卷積掩模的高斯低通濾波[1]來(lái)過(guò)濾插值圖像，充分避免噪聲污染對(duì)哈希序列的干擾。就圖像中(x,y)處的高斯濾波而言，其卷積掩碼為[1]：

(1)

式中：σ為卷積掩碼中所有元素的標(biāo)準(zhǔn)偏差。

以圖2(a)為例，其為不規(guī)則尺寸的圖像，經(jīng)過(guò)插值運(yùn)算后，形成的規(guī)范圖像見(jiàn)圖2(b)；利用高斯濾波處理后的圖像見(jiàn)圖2(c)。

(a) 不規(guī)則圖像 (b) 插值圖像 (c) 過(guò)濾圖像圖2 圖像的預(yù)處理

1.2 基于邊緣映射抽樣與殘差機(jī)制的魯棒特征提取

完成圖像的預(yù)處理后，本文利用顯著性邊緣映射和頻譜殘差機(jī)制，充分提取圖像的魯棒性，其過(guò)程見(jiàn)圖3。令預(yù)處理圖像為I，尺寸為M×M，引入雙閾值Canny算子[9]，來(lái)提取I的顯著性邊緣，有效抑制因隨機(jī)噪聲所引起的虛假邊緣，使得形成的邊緣映射有效反映I中的豐富結(jié)構(gòu)信息。對(duì)于雙閾值Canny算子[9]，其主要有4個(gè)過(guò)程，分別是高斯濾波平滑處理、基于Soble算子的圖像梯度計(jì)算、非極大值抑制、雙閾值邊緣檢測(cè)。令兩個(gè)閾值分別為T(mén)1和T2，其中，T1為高邊緣靈敏度的低閾值，也就是利用T1可以檢測(cè)出完整的邊緣，但是容易出現(xiàn)虛假邊緣；T2代表低邊緣靈敏度的高閾值，其可以提取更準(zhǔn)確的圖像邊緣，但容易去除一些實(shí)用的特征點(diǎn)。因此，邊緣提取從低靈敏度的高閾值T2對(duì)應(yīng)的計(jì)算結(jié)果開(kāi)始；然后根據(jù)高邊緣靈敏度的低閾值T1的計(jì)算結(jié)果，將檢測(cè)的邊緣像素點(diǎn)鏈接起來(lái)，得到理想的邊緣映射。詳細(xì)的檢測(cè)過(guò)程見(jiàn)文獻(xiàn)[9]。

以圖2(c)為例，利用不同的T1與T2的雙閾值Canny算子來(lái)提取其邊緣，結(jié)果分別如圖3(a)、(b)所示。依圖可知，對(duì)于T1=0.05、T1=0.12的雙閾值Canny算子，其提取的邊緣映射中存在少量的虛假邊緣。當(dāng)T1=0.1、T1=0.3時(shí)，所獲取邊緣映射較為理想，無(wú)虛假邊緣，見(jiàn)圖3(b)。

(a) T1=0.05與T1=0.12 (b) T1=0.1與T1=0.3圖3 邊緣映射結(jié)果

(2)

(3)

(4)

(a) 邊緣映射中的子塊 (b) 抽樣子塊圖4 目標(biāo)子塊的抽樣

隨后，引入奇異值分解SVD機(jī)制[10]，對(duì)抽樣子塊進(jìn)行分解：

X=S·V·D

(5)

式中：S、D代表抽樣子塊的正交矩陣；V是抽樣子塊的對(duì)角矩陣，其含有k個(gè)奇異值。

利用式(5)處理所有的抽樣子塊，將其對(duì)應(yīng)的奇異值組合成矢量V={v1,v2,…,vNk}。再利用傅里葉變換[11]來(lái)獲取圖像的顯著特征。令預(yù)處理圖像為f(x,y)，尺寸為m×m，則其傅里葉變換為[11]：

f(x0,y0) =Fα[f(x,y)](x0,y0)

(6)

式中：Kα代表變換核；(x,y)、(x0,y0)分別是輸入、輸出坐標(biāo)；a代表傅里葉變換的階數(shù)。

通過(guò)式(6)處理后，輸出f(x,y)對(duì)應(yīng)的傅里葉頻譜，即可計(jì)算其幅度B(f)=|f(x0,y0)|。接下來(lái)，借助B(f)來(lái)得到對(duì)應(yīng)的log譜L(f)：

L(f)=log(B(f))

(7)

利用式(7)的L(f)來(lái)計(jì)算預(yù)處理圖像的平均譜E(f)：

(8)

式中：*是卷積運(yùn)算；gq(f)是局部濾波[12]過(guò)濾預(yù)處理圖像后對(duì)應(yīng)q×q維矩陣。

隨后，聯(lián)合L(f)、E(f)，估計(jì)預(yù)處理圖像的頻譜殘差R(f)：

R(f)=L(f)-E(f)

(9)

借助逆傅里葉變換和相位頻譜P(f)=arg|I(x0,y0)|，可輸出對(duì)應(yīng)的顯著映射：

S(f)=F-1[exp(R(f))+P(f))]2

(10)

最后，引入經(jīng)典的閾值分割技術(shù)[13]，形成了S(f)的顯著區(qū)域；并借助LBP方法[14]，充分提取該區(qū)域中的局部特征S={s1,s2,…,sm}。

組合上述得到的特征矢量V={v1,v2,…,vNk}和S={s1,s2,…,sm}，獲取中間哈希序列h=(V,S)。為了便于后續(xù)描述，將中間哈希序列h=(V,S)記為h={h1,h2,…,hz},z=Nk+m。

1.3 基于多維尺度變換的哈希序列壓縮

如果直接利用從圖像中提取的特征矢量h=(V,S)視為最終的哈希序列，則其空間維度非常高，會(huì)增大算法的復(fù)雜度。因此，引入多維尺度[15]，對(duì)中間哈希序列h=(V,S)實(shí)施壓縮，從而形成緊湊哈希。多維尺度壓縮主要分為3個(gè)過(guò)程[15]：

(1) 形成距離矩陣D。通過(guò)計(jì)算h={h1,h2,…,hz}中2個(gè)相鄰元素hi、hj之間的歐式距離di,j來(lái)形成D：

(11)

(2) 計(jì)算內(nèi)積矩陣B。借助步驟(1)形成的D，基于式(12)，計(jì)算內(nèi)積矩陣B：

(12)

其中，J代表集中矩陣；E是z×z維的單位矩陣；e代表z×1維的單位矢量。

(3) 計(jì)算低維表示G。根據(jù)式(12)可知，B為對(duì)稱(chēng)半正定矩陣，故可演變成：

B=SVST

(13)

其中，V代表B的對(duì)角矩陣；S代表由B的特征向量構(gòu)成的矩陣。

故可從矩陣Z中的前d(d

(14)

為了減小G的維度，本文先計(jì)算G中每一行元素的方差；然后，根據(jù)這些方差來(lái)表示。令G={g1,g2,…,gz}T，且gi(j)是矢量gi(1≤i≤z)中的第j(1≤j≤d)個(gè)元素。則gi(1≤i≤z)的方差σ為：

(15)

h′(i)=Round(qi)

(16)

借助式(16)量化全部的系數(shù)qi后，即可形成緊湊哈希h′={h′(1),h′(2),…,h′(r)}。

1.4 哈希序列的加密與認(rèn)證

為了改善哈希算法的安全性性，引入Logistic映射[16]，改變h′={h′(1),h′(2),…,h′(r)}中每個(gè)元素的值。為此，利用預(yù)處理圖像的像素量來(lái)獲取Logistic映射[16]的初值x0：

(17)

式中：n代表預(yù)處理圖像的像素?cái)?shù)量。

再確定u值，根據(jù)式(21)，可得到相應(yīng)的混沌序列{x1,x2,…,xm}：

xk+1=μxk(1-xk)

(18)

并利用數(shù)據(jù)量化函數(shù)處理{xi}中的每個(gè)元素，形成密鑰流{ki}：

ki=mod(floor(xi×1014),256)

(19)

隨后，借助式(19)的輸出結(jié)果，完成h′={h′(1),h′(2),…,h′(r)}的加密：

H(i)=h′(i)⊕ki

(20)

式中：H(i)是加密哈希。

(21)

式中： ⊕為異或運(yùn)算；a1、a2分別是哈希H0與H1的均值；Δs是一個(gè)很小的常量，以防止式(21)的分母為零。

ρ(H0,H1)的取值范圍從-1到1，其值越大，則表明二者的相似度越高[6]。隨后，根據(jù)優(yōu)化的閾值T，當(dāng)ρ(H0,H1)≥T，則這對(duì)圖像可視為相似圖像；反之，則為差異圖像。

2 實(shí)驗(yàn)結(jié)果與分析

通過(guò)多種實(shí)驗(yàn)來(lái)驗(yàn)證所提圖像哈希方案的魯棒性與效率。不失一般性，在UCID圖像庫(kù)[17]中隨機(jī)選擇4幅圖像來(lái)測(cè)試；同時(shí)，為了反映出本文技術(shù)的優(yōu)勢(shì)，將文獻(xiàn)[6]與文獻(xiàn)[7]中的哈希方案作為對(duì)照組。根據(jù)哈希生成過(guò)程發(fā)現(xiàn)，主要參數(shù)值見(jiàn)表1。

表1 實(shí)驗(yàn)參數(shù)設(shè)置

2.1 魯棒性驗(yàn)證

在UCID庫(kù)[17]中選擇4幅原始圖像，見(jiàn)圖5(a)-(d)，將表2的攻擊類(lèi)型施加給每幅圖像。利用所提哈希方案拉生成這些圖像之間的哈希，并統(tǒng)計(jì)它們之間的相關(guān)系數(shù)，結(jié)果見(jiàn)圖5(e)-(h)。由圖5可發(fā)現(xiàn)，對(duì)于表中的數(shù)字修改，大部分內(nèi)容修改對(duì)應(yīng)的相關(guān)系數(shù)值均大于0.83。為了體現(xiàn)這個(gè)數(shù)據(jù)的可靠性，在UCID庫(kù)[17]中挑選50幅圖像，基于StirMark 4.0[18]系統(tǒng)，將表2中的43種攻擊施加于每個(gè)目標(biāo)，則可形成50×43+50=2 200對(duì)相似圖像。并根據(jù)式(21)統(tǒng)計(jì)這些相似圖像對(duì)的相關(guān)系數(shù)值，數(shù)據(jù)見(jiàn)表3。除了旋轉(zhuǎn)修改外，其最小的相關(guān)系數(shù)ρ值低于0.83；而其余操作對(duì)應(yīng)的最小ρ值均高于0.83，其這些操作對(duì)應(yīng)的方差都很小。因此，為了有效識(shí)別旋轉(zhuǎn)攻擊(見(jiàn)圖5(f))，將閾值T適當(dāng)縮小，取T=0.78時(shí)，可以準(zhǔn)確識(shí)別上述內(nèi)容修改操作，正確率為98.61%。這說(shuō)明所提哈希方案具備較高的魯棒性，在上述內(nèi)容修改情況下，能夠準(zhǔn)確識(shí)別圖像的真?zhèn)巍?/p>

表2 不同攻擊類(lèi)型及其參數(shù)

(a) Madrill圖像 (b) Barbara圖像

(c) Lena圖像 (d) Aeroplane圖像

(e) 縮放修改 (f) 縮旋轉(zhuǎn)修改

(g) 亮度修改 (h) 噪聲修改圖5 所提哈希算法的魯棒性測(cè)試

修改類(lèi)型最大值最小值均值方差尺度縮放0.998 40.889 20.970 50.019 4旋轉(zhuǎn)修改0.975 30.469 50.837 90.072 7亮度調(diào)整0.996 40.836 10.963 70.020 6噪聲修改10.887 90.969 20.021 3

2.2 安全性測(cè)試

根據(jù)整個(gè)哈希生成過(guò)程可知，其由一個(gè)安全密鑰u。為了測(cè)試該方案的密鑰安全性，本文利用一些列擾動(dòng)因子對(duì)安全密鑰u完成修改，形成了3 000組錯(cuò)誤密鑰。利用這些錯(cuò)誤密鑰來(lái)生成哈希序列，從而統(tǒng)計(jì)了對(duì)應(yīng)的相關(guān)系數(shù)，數(shù)據(jù)見(jiàn)圖6。根據(jù)測(cè)試數(shù)據(jù)發(fā)現(xiàn)，利用這3 000組錯(cuò)誤密鑰所產(chǎn)生的相關(guān)系數(shù)值均在零附近。因此，在非法用戶(hù)不知道正確的安全密鑰情況下，其很難成或估計(jì)出原始圖像的相同哈希序列。這顯示所提哈希方案擁有較好的安全性。原因是所提算法利用了預(yù)處理圖像的像素來(lái)計(jì)算Logistic映射的初值，根據(jù)其迭代序列來(lái)完成加密，增強(qiáng)了哈希序列的安全性。

圖6 本文哈希方案的安全性測(cè)試

2.3 不同算法的魯棒性測(cè)試

為了突出所提哈希方案的優(yōu)異性，統(tǒng)計(jì)了所提算法、文獻(xiàn)[6]與文獻(xiàn)[7]的ROC曲線(xiàn)。ROC曲線(xiàn)[1]是通過(guò)正確識(shí)別率PTPR和虛警率PFPR構(gòu)成的，其模型如下：

(22)

式中:n1代表正確決策的圖像數(shù)量，n2代表誤判的圖像數(shù)量，M1是相似圖像的總數(shù)量，M2為不同圖像的總數(shù)。

圖7反映了三種哈希方案的ROC曲線(xiàn)。根據(jù)圖7可發(fā)現(xiàn)，所有算法對(duì)縮放、噪聲這兩種內(nèi)容修改均具備優(yōu)異的魯棒性，呈現(xiàn)出良好的ROC特性曲線(xiàn)，三者的正確識(shí)別率均保持在0.93以上，見(jiàn)圖7(a)、(b)。然而，對(duì)于亮度修改，文獻(xiàn)[7]表現(xiàn)出更加出色的魯棒性，所提算法與文獻(xiàn)[6]的正確識(shí)別率均低于該方案。當(dāng)PFPR=0時(shí)，文獻(xiàn)[7]、文獻(xiàn)[6]與所提方案的PTPR分別為926、0.817、0.883；PFPR=0.6時(shí)，三者的PTPR分別為0.998、0.991、0.994。對(duì)于旋轉(zhuǎn)攻擊，三者哈希方案也呈現(xiàn)出不同的魯棒性，其中，所提算法對(duì)旋轉(zhuǎn)修改的魯棒性最高，當(dāng)PFPR=0與PFPR=0.6時(shí)，對(duì)應(yīng)的PTPR分別為0.892、0.999；此時(shí)，文獻(xiàn)[6]的魯棒性最低，其正確識(shí)別率低于文獻(xiàn)[7]，當(dāng)PFPR=0是，文獻(xiàn)[6]和文獻(xiàn)[7]的PTPR分別為0.743、0.832。主要是因?yàn)樗峒夹g(shù)、文獻(xiàn)[6]、文獻(xiàn)[7]的哈希生成過(guò)程都采用了插值運(yùn)算與濾波的預(yù)處理措施，增強(qiáng)了三者對(duì)縮放與噪聲的穩(wěn)健性。所提哈希方案通過(guò)邊緣映射抽樣方法，將包含結(jié)構(gòu)信息的最豐富的子塊選擇出來(lái)，利用穩(wěn)定性較好的奇異值分解來(lái)獲取其魯棒特征，并聯(lián)合傅里葉變換與殘差機(jī)制，提取預(yù)處理圖像的全局顯著特征，將這兩種特征作為哈希序列，使其對(duì)圖像魯棒特征的描述較為豐富，從而導(dǎo)致其對(duì)旋轉(zhuǎn)修改的魯棒性最高。但是，由于缺乏顏色空間轉(zhuǎn)換，使其對(duì)亮度修改的魯棒性較為一般。文獻(xiàn)[7]采用了顏色空間轉(zhuǎn)換方法，將圖像從RGB空間映射到Lab空間后，再利用張量分解來(lái)提取亮度L分量的特征，而張量分解具有一定的穩(wěn)定性，因此，該哈希技術(shù)對(duì)亮度調(diào)整具備更加理想的魯棒性。然而，其對(duì)圖像的魯棒特征描述不充分，只提取了L分量的全局特征，使其對(duì)角度旋轉(zhuǎn)的魯棒性要低于所提技術(shù)。文獻(xiàn)[6]則是將圖像分割為非重疊子塊，通過(guò)對(duì)這些子塊完成列重排來(lái)獲取圖像的特征，對(duì)亮度與旋轉(zhuǎn)修改的魯棒性較低。

(a) 縮放變換 (b) 噪聲干擾

(c) 亮度調(diào)整 (d) 旋轉(zhuǎn)修改圖7 三者哈希算法的魯棒性測(cè)試

2.4 不同算法的哈希生成效率測(cè)試

優(yōu)異的哈希算法不僅具備較強(qiáng)的魯棒性，而且還應(yīng)具有較快的生成效率，以降低計(jì)算成本。為了客觀評(píng)價(jià)這些哈希方案的哈希長(zhǎng)度與生成效率，通過(guò)Matlab軟件，在測(cè)試條件為Intel3Hz與8GB內(nèi)存的微型機(jī)上實(shí)施測(cè)試，數(shù)據(jù)見(jiàn)表4。通過(guò)表中數(shù)據(jù)可發(fā)現(xiàn)，本文哈希算法由于聯(lián)合多維尺度與DCT方法，有效對(duì)提取的魯棒特征進(jìn)行了壓縮，充分減小了哈希維度，使其哈希長(zhǎng)度更加緊湊，為284位，所用時(shí)間為0.23s；而文獻(xiàn)[7]雖然只提取了圖像的一種特征，并利用張量分解來(lái)獲取相應(yīng)的哈希序列，但是缺乏數(shù)據(jù)壓縮機(jī)制，使其哈希長(zhǎng)度最大，約為1 256位，時(shí)耗為0.69s；文獻(xiàn)[6]則是采用了主成成分分析技術(shù)來(lái)有效壓縮哈希序列，降低了哈希維度，約896位，時(shí)耗為0.41s。

表4 哈希長(zhǎng)度和生成效率

3 結(jié) 語(yǔ)

為了獲取緊湊哈希，提高其魯棒性與安全性，本文基于邊緣映射抽樣與多維尺度壓縮的緊湊圖像哈希算法。通過(guò)對(duì)初始圖像實(shí)施預(yù)處理，形成一個(gè)尺寸規(guī)范的圖像；然后利用雙閾值canny算子來(lái)獲取其對(duì)應(yīng)的邊緣映射，利用其位置信息，從規(guī)范圖像中抽樣出包含結(jié)構(gòu)信息最為豐富的子塊。借助SVD機(jī)制來(lái)分解抽樣子塊，提取較為穩(wěn)定的特征，同時(shí)，根據(jù)傅里葉變換與閾值分割、LBP算子，充分描述圖像的全局顯著特征。引入多為尺度機(jī)制，對(duì)這兩種特征實(shí)施壓縮，從而得到了緊湊哈希；通過(guò)計(jì)算真實(shí)圖像與待認(rèn)證圖像之間哈希序列對(duì)應(yīng)的相關(guān)系數(shù)，基于預(yù)設(shè)閾值，實(shí)現(xiàn)圖像的認(rèn)證。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提哈希方案的合理性與優(yōu)異性。

由于所提哈希方案對(duì)亮度修改的魯棒性較為一般，后續(xù)將對(duì)顏色空間進(jìn)行分析，選擇對(duì)圖像進(jìn)行合適的顏色空間轉(zhuǎn)換，利用其亮度分量來(lái)生成哈希；并考慮引入Radon變換，通過(guò)估計(jì)圖像的中心信息，進(jìn)一步增強(qiáng)所提哈希方案對(duì)任意旋轉(zhuǎn)角度的魯棒性。