📄 other

QuatHashing: Perceptually Hashing with Quaternion Discrete Wavelet Transform for Reduced-Reference Visual Security Assessment

本文提出了 QuatHashing，一种基于方向互补子带上的四元数离散小波变换和注意力机制来生成感知哈希，从而有效评估加密图像质量的降维参考视觉安全性评估方法。

原作者： Yannan Ren, Jiantao Wang, Hua Wu

发布于 2026-07-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Yannan Ren, Jiantao Wang, Hua Wu

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

图像安全中的隐形艺术

想象一下，你正试图发送一条秘密信息，但你不是用隐形墨水来书写，而是通过对一张照片进行“打乱”。在数字安全领域，这被称为感知图像加密（perceptual image encryption）。与传统的加密不同——传统加密会将图像变成一团混乱的静态噪声，看起来就像坏掉的电视屏幕——感知加密则更加微妙。它隐藏了图片的“含义”，同时保留了其部分视觉轮廓，就像是把脸部模糊处理到刚好让人看不出是谁，但仍能看出那是一个人的程度。这在流媒体视频或分享照片等场景中非常有用，因为你既想保护隐私，又希望图像能够快速加载。

但棘手的地方在于：你如何知道你的“打乱”是否真的奏效了？如果你只是观察图片，它可能看起来还是有点清晰，这意味着你的秘密是安全的；但如果它看起来太模糊，说明加密强度过高，导致速度变慢。科学家们使用一种叫做**视觉安全评估（Visual Security Assessment, VSA）**的方法来衡量这一点。你可以把它想象成一场针对安全性的“味觉测试”。你需要一种方法来为图像被隐藏得有多好进行评分，而不需要让人类盯着看上好几个小时。目标是找到一个图像的数学“指纹”，这个指面会随着图像变得过于易于辨识而发生精确变化，从而充当一个永不疲倦的完美保安。

论文的核心思想：QuatHashing

在这项研究中，作者引入了一种名为 QuatHashing 的新方法。他们想要构建一个更好的“安全保安”来守护这些被打乱的图像。他们没有仅仅将图像视为一个平面的颜色网格，而是决定使用一种名为**四元数（Quaternion）**的数学工具，将图像视为一个由四个部分组成的 3D 物体。

要理解这如何运作，想象你有一张城市的照片。通常，计算机将其视为一张扁平的纸。但作者决定将城市拆分为两个特殊的层：一层只显示水平线条（如地平线或建筑物的顶部），另一层只显示垂直线条（如摩天大楼或树干）。他们称之为“互补子带（complementary sub-bands）”。通过这种方式分离图像，他们可以精确观察加密是如何干扰水平和垂直细节的，而这是其他方法经常忽略的地方。

一旦拥有了这两个特殊的层，他们就会使用一个被称为**四元数离散小波变换（Quaternion Discrete Wavelet Transform, QDWT）**的神奇数学透镜。你可以把这个透镜想象成一个超强倍率的缩放功能，它同时从三个维度观察图像：

大局观（低频）： 观察主要的形状和轮廓。如果加密较弱，人脸或建筑物的基本轮廓在这里可能仍然可见。
纹理（高频）： 观察微小的细节，比如木材的纹理或衣服的图案。良好的加密应该完全打乱这些纹理。
结构（多尺度）： 检查图像的不同部分是如何相互关联的，确保图像的“骨架”被破坏。

作者发现，通过结合这三个视角，他们可以创建一个非常紧凑的图像“指纹”（或哈希值）。但他们并未止步于此。他们意识到人类的眼睛是非常挑剔的；我们对边缘和亮点变化的感知比对平滑、枯燥区域的感知要敏锐得多。因此，他们在指纹中加入了一个特殊的“注意力”系统。这个系统就像一个聚光灯，只关注图像中最有趣的部分（边缘和纹理），而忽略那些无聊的部分。这使得安全评分更加准确，因为它模拟了真实人类判断图像的方式。

他们的发现

团队通过将他们的新方法 QuatHashing 与许多现有的图像安全测量方法进行了对比测试。他们使用了两个已经被人类实际评分过的打乱图像大型数据库。

结果非常令人振奋。作者发现，与旧方法相比，QuatHashing 能更好地预测图像的安全程度。它在判断“中等质量”图像（即那些既非完美清晰、也非完全无法辨认的图像）的安全度方面表现尤为出色。在这些复杂的中间地带，其他方法往往会产生混乱，但 QuatHashing 却能保持一致性。

例如，在观察该方法与人类意见的匹配程度时，他们的新方法在准确性方面得分很高。它特别擅长捕捉那些“接近安全但仍留有痕迹”的图像——即那些人类肉眼仍能捕捉到蛛丝马迹的图像。作者指出，通过使用这种“四部分”数学（四元数）并专注于水平和垂直方向，他们创造了一个对人类视觉世界更加敏感的工具。

简而言之，论文表明，如果你想知道你的打乱图像是否真正免受窥视，你不应该仅仅观察整张图片。相反，你应该将其拆分为水平和垂直的部分，通过一个特殊的 3D 透镜进行观察，并专注于那些吸引眼球的部分。这就是 QuatHashing 用来守护你的数字秘密的“秘密配方”。

技术摘要：QuatHashing

问题陈述
视觉安全评估（Visual Security Assessment, VSA）是评估感知图像加密有效性的关键任务。感知图像加密通过仅对图像的特定部分进行加密而非整个数据流，来保护视觉信息。传统的图像加密安全性分析方法（如微分分析或统计分析）侧重于语义安全性，并不适用于感知加密，因为感知加密的目标是在防止滥用的同时保留基本的视觉特性。现有的解决方案通常依赖于图像质量评估（IQA）指标，如 PSNR 或 SSIM；然而，这些指标旨在测量图像退化程度而非安全性，导致结果不一致，即低视觉质量并不一定意味着高安全性。主观评估既耗时又费力，因此需要一种鲁棒、客观、减少参考（Reduced-Reference, RR）的 VSA 方法，使其符合人类视觉系统（HVS）的特性，特别是方向敏感性和多尺度感知。

方法论：QuatHashing
本文提出了一种用于 RR-VSA 的感知哈希算法——QuatHashing。该框架通过四个主要阶段运行：

方向互补子带表示（Directional Complementary Sub-band Representation）：
输入图像经过预处理并被重新组织为水平和垂直互补子带。通过对相邻像素进行分组，算法生成了三个水平子带（ $f_{hX}, f_{hY}, f_{hZ}$ ）和三个垂直子带（ $f_{vX}, f_{vY}, f_{vZ}$ ）。这种像素重排方式在不丢弃数据的情况下保留了所有原始信息，确保了由加密引入的失真被保留在这些子带中，同时显式地分离了方向性图像信息。
双通道四元数离散小波变换（Double-Channel Quaternion Discrete Wavelet Transform, QDWT）：
水平和垂直子带被建模为两个纯四元数图像（ $f_h$ 和 $f_v$ ），其中三个子带作为虚部成分。这些四元数图像经历三层 QDWT 分解。该分解提取了以下特征：
- 低频结构特征： 源自最终的近似子带，代表全局亮度及主要轮廓。
- 纹理特征： 从三个尺度的不同方向（水平、垂直、对角线）的高频子带中提取。
- 多尺度结构特征： 源自互补子带之间的相关分量（ $Q_{XY}, Q_{XZ}, Q_{YZ}$ ），捕捉不同采样位置的结构变化。
注意力引导的特征提取（Attention-Guided Feature Extraction）：
为了与 HVS 对显著区域的敏感性保持一致，该方法采用了全局和局部注意力机制：
- 全局注意力： 在每个像素位置构建一个联合特征向量，结合低频、纹理和结构分量。基于这些向量的概率密度（使用多元正态分布）计算全局显著性响应，其中稀有特征（边缘、突变结构）会获得更高的响应。该响应用于调制特征图。
- 局部注意力： 将特征图划分为全高条带。对低频特征图应用方差池化以检测结构波动，对高频纹理和结构特征图应用最大池化以捕捉局部突变。
- 最终序列进行相对化处理（减去均值并取绝对值），以抑制统一的加密偏移。
哈希构建与相似性评估（Hash Construction and Similarity Assessment）：
将水平和垂直通道的全局与局部序列进行拼接，形成初始哈希序列。这些序列被量化为整数，从而创建最终的紧凑型感知哈希。视觉安全得分通过计算参考图像与加密图像哈希之间的欧几里得距离（ $L_2$ 范数）来确定；距离越大，表明视觉安全性越高。

核心贡献

方向互补子带： 作者引入了一种像素重排技术，将图像组织成水平和垂直互补子带。这在显式表示方向信息的同时，保留了加密引起的失真，从而能够更好地区分参考图像与加密图像。
双通道 QDWT 特征提取： 一种新颖的方法，将方向子带建模为纯四元数图像。该方法同时提取低频结构、纹理和多尺度结构特征，有效地将方向分析与多尺度表示相结合，以模拟 HVS 的方向性和多尺度感知。
注意力引导的 RR-VSA 方案： 本文构建了一种集成全局和局部注意力机制的哈希方案。通过利用条带化池化和统计建模来强调视觉显著区域（边缘、纹理），该方法生成了对感知失真更为敏感的紧凑特征序列。

实验结果
所提方法在两个公共数据库上进行了评估：IVC-SelectEncrypt（200 幅图像）和 PEID（1080 幅图像）。性能通过相关系数（PLCC, SRCC, KRCC）和误差指标（RMSE, $\mu_D, \sigma_D, max_D$ ）针对现有 IQA 指标（PSNR, SSIM, VIF）和专门的 VSA 方法（LSS, ESS, LFBVS, VSI-Canny, VSASW）进行衡量。

整体性能： QuatHashing 在两个数据库上均表现出卓越的性能，在大多数指标上均取得了最优值（例如，在 IVC-SelectEncrypt 上 PLCC 为 0.967，SRCC 为 0.964；在 PEID 上 PLCC 为 0.928）。
质量范围分析： 该方法在低和中等视觉质量范围内表现出特别的鲁棒性，而这正是感知加密最关键的领域。在该范围内，其在 PLCC、SRCC 和 KRCC 方面均优于现有方法。
加密算法鲁棒性： 在 15 种不同加密类型的测试中，与其他方法相比，QuatHashing 始终在单调性（SRCC 和 KRCC）和准确性（PLCC, RMSE）方面达到最高水平。

意义
论文声称，与当前的 IQA 和 VSA 方法相比，QuatHashing 为感知图像加密提供了一种更一致且有效的客观评估手段。通过利用四元数域和受 HVS 启发的注意力机制，该方法成功弥合了客观指标与主观视觉安全感知之间的差距。作者强调，该方法对于评估具有低到中等视觉质量的加密图像特别有利，而这正是传统指标在感知加密应用场景中经常失效的常见情况。

图像安全中的隐形艺术

论文的核心思想：QuatHashing

他们的发现

技术摘要：QuatHashing

类似论文