文字和图像一直以来都是人们传递信息的两种主要方式。随着进入信息化时代,相比与文字叙述,人们更加倾向使用图像来代替文字来更快的表述信息。同时计算机软件的发展,例如:Photoshop等图像编辑工具应运而生使得图像修改变得更加容易。其次图像在传输过程中由于信道噪声等影响会带来一定的影响。同时,在日常的图像传输过程中,往往传输的不是原始图像,而是经过编辑后的图像。例如:图像的亮度调整,去噪和校正等。图像感知哈希技术使用哈希向量对图像进行表示,并通过哈希向量的匹配来寻找对应的图像,能够较好的适用于现实生活。目前,图像感知哈希技术在区分视觉上相同和不同方面有一定进展,但是仍然存在诸如对图像目标没有区分,不能很好的符合人类对图像的直观感受。本文根据人类视觉感受机制——人类一般只对图像感兴趣区域（ROI,Region Of Interest）聚焦。同时现有的图像感知哈希算法大多数只考虑2D图像上的感知哈希向量提取,并没有针对基于深度图绘制（Depth Image Based Rendering,DIBR）3D图像上的提取方案。作为提取感兴趣区域的一种方法,基于人眼视觉特征的检测方案中的显著图模型能够好的表示图像中的目标信息。现有的基于图像显著图的感知哈希算法并没有解决对图像旋转操作不鲁棒的问题。基于上述观点提出基于图像显著性区域的图像感知哈希算法。本文的主要研究工作以及创新点如下:（1）提出以基于吸收马尔科夫链的视觉显著图算法（Abosorbing Markov chain,AMC）为模板进行改进,以提升对旋转操作的鲁棒性。（2）提出一种基于改进后的AMC模型与NMF图像感知哈希算法。改进后的AMC模型基本达到对图像旋转的鲁棒性。对感兴趣区域中的像素数据按序排列并构建二次图像,对二次图像和原始图像分别进行NMF操作,以获得两个系数矩阵,并将两者串联构成最后的哈希向量。在实现对图像旋转鲁棒性的同时,也实现了对图像篡改检测操作,同时相比于现有的图像感知哈希算法在综合性能上具有一定的优势。（3）提出一种基于改进后的AMC模型和特征点相结合的图像感知哈希算法。该方式对感兴趣区域的外接矩形中特征点进行筛选,并利用描述子与密钥内积来构建最后的哈希向量。在实现对图像旋转鲁棒性的同时,也实现了对图像篡改检测操作,同时相比于现有的图像感知哈希算法在综合性能上具有一定的优势。（4）提出一种基于改进后的AMC模型和像素分组的图像感知哈希方案应用于DIBR 3D图像中。该方案分别提取感兴趣区域和整幅图像素,分别构建灰度直方图,再进行分组操作。最后对分组构建的二次图像采用NMF分解,获得最后的哈希向量。实验结果表明,本章提出的算法在DIBR 3D图像上具有良好的鲁棒性和区分性,同时具有一定的篡改检测能力。相比于现有的依赖于中心视点不变的感知哈希算法具有更好的性能。