图像哈希(Hash)作为一种反应图像内容的简短序列,有着广阔的发展前景和实际研究价值。鲁棒性和唯一性是评价哈希方法的关键指标。图像数据在海量增长的同时也面临着安全隐患问题,图像数据作为多媒体数据中传播量最广、表达信息最直接的一类数据,也最容易遭受攻击,一些非法人员不惜以触犯法律为代价或对图像数据直接篡改伪造,或在图像数据传输过程中直接截获图像并利用图像编辑软件对其修改或攻击篡改,从而导致图像真实性和完整性遭到破坏,甚至内容失真而无法识别。传统的图像哈希方法只能针对某一种几何攻击有效,对其他的几何攻击不具备鲁棒性,这会造成图像匹配或认证失败,图像安全性有待进一步加强。本文从特征提取入手研究两种具有实际应用前景的哈希方法。传统的图像哈希方法往往只能抵抗某一种攻击,但是对多种攻击抵抗较弱,这对于图像认证和图像检测有巨大影响。本文提出了一种关于图像局部特征的哈希方法。该方法能够对图像的主要内容进行描述,能够有效提取到图像的边缘点、角点和亮点暗点的特征,兼顾了局部和全局内容的统一。用尺度不变特征变换(SIFT)算法可以提取图像的128维特征描述向量。再用局部保持投影(LPP)算法对描述向量进行数据降维,生成哈希序列。实验表明该哈希方法鲁棒性较好,可有效抵抗各类几何攻击,图像识别率较高。针对传统特征算法特征点过多、计算复杂、匹配精度低的问题,本文提出了一种基于快速鲁棒特征(SURF)和主成分分析(PCA)的图像哈希方法,SURF算法运算时间较快、性能较好。为了减少计算量,对SURF算法进行调整,主要通过在尺度空间中增加比较点个数来减少低质量特征点数目,并用SURF算法提取图像64维特征描述向量。再用PCA算法对其降维生成哈希序列。实验表明该哈希方法识别精度高,鲁棒性和唯一性较好,能够满足图像的安全性需求。