DBpHash：一种基于区块链的双频感知哈希框架，用于纯彩色背景图像的版权保护

摘要

纯色背景图像（PCBIs）由大面积的均匀区域组成，这些区域的结构内容极少，因此基于低频DCT的标准感知哈希方法并不可靠。视觉上不同的图像可能会被赋予较高的相似度分数，从而导致误判。在基于区块链的版权注册系统中，此类交易一旦确认就无法撤销，因此需要采用一种更为保守的相似度评估模型。本文提出了DBpHash，这是一种适用于基于区块链的PCBIs版权注册和验证的双频感知哈希框架。在计算过程中，低频DCT频段被排除在外，而中高频频段则经过能量归一化处理并二值化，最终生成一个128位的哈希值。每个频段的相似度分别进行计算，然后通过逆方差加权方法进行融合。相似度阈值是根据真实图像和伪造图像的分布来确定的。在PCBI数据集上进行的实验结果，通过BSDS500和DTD数据集的交叉验证得到了进一步验证（无需重新训练）。在常见的光度失真情况下，误报率保持在0.095%，相似度得分超过0.92%。统计分析表明，该哈希框架具有出色的性能特性，包括近乎理想的位平衡和较高的熵值。该框架已与基于区块链的注册系统及链下相似度计算流程集成。实验结果表明，DBpHash为PCBIs的版权认证提供了一种可靠且抗失真的解决方案。