随着多媒体信息处理技术与计算机网络的迅速发展,人们通过网络获取的多媒体资源越来越多,也越来越方便。数字图像因其直观易懂的特点,成为人们工作和生活中最主要的获取、发布信息的方式之一。然而,随着互联网技术的发展,大量图像处理软件的功能也在不断的完善,人们可以轻易的对图像进行编辑、制作,在给予人们方便的同时,也将图像内容的真实性、完整性等安全问题暴露出来。因此,图像的真实性、完整性认证已成为一个亟待解决的问题。图像感知哈希在理解图像内容的基础上,通过简短的感知摘要来完成图像内容识别和认证,为解决与图像认证相关的管理问题提供了一种更加便捷的方式。本文对目前国内外基于感知哈希的图像篡改检测算法进行了调研,并根据算法不同的特点进行了细致的分类。另外,针对目前现有方案存在的问题提出了一种新的感知哈希算法。具体研究工作内容如下:1.提出了一种基于图像多视角特征及感知显著性的感知哈希学习算法(Multiview Semi-supervised Hashing with Perceptual Saliency,MV-SHPS)。算法首先将图像从RGB颜色空间转换到更加符合人眼视觉特征的CIE LAB颜色空间,并提取其L分量执行小波变换并提取其系数矩阵做进一步的处理。其次,提取图像多个视角下的特征,并利用学习到的哈希映射矩阵对多视角图像特征进行融合,从而得到一个长度更短、性能更优的感知哈希。最后,在感知哈希相似性匹配阶段,利用图像显著性特征辅助篡改检测提高算法的整体性能。大量实验验证,提出的一种新的多视角图像特征融合算法具有良好的鲁棒性与区分性。2.在图像多视角特征融合学习算法的基础上,提出了一种二值多视角感知哈希学习算法。具体地,提出的哈希学习算法主要包含两个核心的部分:离线学习以及在线哈希匹配。其中离线学习用于学习哈希函数,主要包括两个阶段,协作二值表示学习(Collaborative Binary Representation Learning,CBRL)以及感知内容取证学习(Perpetual Content Authentication Learning,PCAL),能够将图像多视角的特征融合到公共的海明空间中。在线哈希主要使用学习到的哈希函数将待验证图像的多视角特征映射成二值感知哈希,最后通过相似性度量方法进行图像取证。实验结果表明,提出的二值多视角感知哈希算法能够对多种类别的保持图像内容处理操作具有良好的鲁棒性能,包括:加性噪声、图像滤波、图像模糊、JPEG压缩以及光照调整等。