CN102129656A - 一种基于三维dwt和dft在医学图像中嵌入大水印的方法 - Google Patents

Abstract

本发明公开了一种基于三维DWT和DFT在医学图像中嵌入大水印的方法，属于多媒体信号处理领域。本发明的步骤是先进行水印的嵌入，包括：(1)对原始医学图像进行三维小波变换、全局傅里叶变换，在变换系数中提取一个抗几何攻击的特征向量；(2)先将大水印分成多个子水印，然后把医学图像的特征向量和要嵌入的多个子水印通过Hash函数运算，得到相应的二值逻辑序列，并将该二值序列存于第三方。然后进行水印提取，包括：(3)对待测医学图像进行三维小波变换、全局傅里叶变换，在变换域提取待测对象的特征向量；(4)利用Hash函数特性和存在第三方的二值逻辑序列提取多个子水印。实验证明该算法有较强的抗几何和常规攻击能力。

Description

一种基于三维DWT和DFT在医学图像中嵌入大水印的方法

技术领域

本发明涉及一种基于三维小波变换(DWT)和三维傅里叶变换(DFT)，在医学图像中嵌入大容量数字水印方法，是一种多媒体数据保护方法，属于多媒体信号处理领域。

技术背景

随着数字技术和互联网技术的飞速发展，各种数字媒体如文本、图像、声音、视频等都可以通过互联网快速方便地进行传输，信息化给人们的生活带了极大的方便；但同时这也使得这些信息的篡改和盗版等变得非常容易。

数字水印是实现对数字作品版权保护的有效手段。因此，该技术成为多媒体信息安全领域的一个研究热点。但多数研究方向是在图像、音频数字水印。

目前在数字水印研究领域中，如何在医学图像中(默认情况下，医学图像主要指CT、MRI等体数据)嵌入水印的研究较少，这些医学图像，原则上其内容是不容许修改，另外，下一代图像压缩标准JPEG2000是基于小波变换的，因此对于基于三维DWT，在医学图像中嵌入大容量水印的研究有较大意义，并且要求嵌入的大容量水印有较强的鲁棒性，其实现难度较大，目前尚未见报道，尚属空白。

发明内容

本发明的目的是提出一种基于三维小波、傅里叶变换在医学图像(体数据)中嵌入大容量水印的方法，并且该水印算法具有较强的鲁棒性，既能抗击几何攻击又能抗常规攻击，而且水印的嵌入不影响原始医学图像，是一种零水印方式。从而较好的保护了医学图像的版权。

为了实现上述目的，本发明是这样进行的：先对医学图像进行三维小波变换，得到“近似系数”和“细节系数”，这类似二维图像的小波变换，“近似系数”代表医学图像的低频特性，反映的是医学图像的主要轮廓；“细节系数”代表医学图像的高频特性反映的是医学图像的高频信息。由于小波变换本身的抗几何攻击能力较差，为此，我们先对医学图像进行三维小波变换(DWT)，然后再对反映低频特性的“近似系数”再进行全局傅里叶变换(DFT)，在DFT系数中，提取一个抗几何攻击的特征向量，并将水印技术与密码学中的Hash函数和“第三方概念”有机结合起来，实现了基于三维小波变换，抗几何攻击大容量数字水印的嵌入。本发明所采用的方法包括水印嵌入和水印提取两大部分，第一部分为水印嵌入，包括：(1)通过对医学图像进行三维小波变换，然后对近似系数进行全局DFT变换，得到一个抗几何攻击的特征向量V(j)，(2)将大容量水印W分成k个子水印W^k(j)，k＝1，2，...，n，n表示子水印的个数；再将子水印W^k(j)和从医学图像中提取的特征向量V(j)，通过Hash函数生成二值逻辑序列Key^k(j)，然后将二值逻辑序列Key^k(j)存在第三方；第二部分为大容量水印的提取，包括：(3)求出待测医学图像的抗几何攻击的特征向量V’(j)，(4)利用已存在第三方的二值逻辑序列Key^k(j)和待测医学图像的特征向量V’(j)，提取出多个子水印W^k’(j)。

现对本发明的方法进行详细说明如下：

第一部分：大容量水印的嵌入

首先用W^k(j)表示组成大容量水印的一系列子水印，W^k(j)＝{w^k(j)|w(j)＝0，1；1≤j≤L，1≤k≤n}，L代表要嵌入的一个子水印的长度，n为子水印的个数。原始医学图像记为F＝{f(i，j，k)|f(i，j，k)∈R；1≤i≤M，1≤j≤N，1≤k≤P)}，其中，f(i，j，k)表示医学图像的体素(Voxel)数据值，类似二维图像中的图像的像素灰度值，设N＝M(设切片的长宽一样)，多重水印的嵌入步骤如下：

1)通过对原始医学图像进行三维小波变换，然后对小波变换的“近似系数”再进行全局DFT变换，在DFT的低中频系数中，得到该医学图像的一个抗几何攻击的特征向量V(j)；

先对原始医学图像F(i，j，k)进行三维DWT小波变换，得到系数矩阵ca_cd(i，j，k)，再对其中的“近似系数”ca(i，j，k)进行全局DFT变换，得到系数矩阵FF(i，j，k)中，取出前L个值，并通过对FF(i，j，k)系数进行符号运算得到该医学图像的特征向量V(j)，方便起见，这里一个复数看成实部、虚部(虚部只看系数)两个系数，当系数值为“正”时我们用“1”表示(含系数值为“0”的情况)，系数为负时用“0”表示，主要过程描述如下：

ca_cd(i，j，k)＝DWT3(F(i，j，k))；％对医学图像进行三维小波变换

FF(i，j，k)＝DFT3(ca(i，j，k))；％对近似系数进行全局傅里叶变换

V(j)＝Sign(FF(i，j，k))；％求出医学图像的一个特征向量

2)根据要嵌入的多个子水印W^k(j)和已提取的医学图像的特征向量V(j)，利用Hash函数特性，生成二值逻辑序列Key^k(j)

${\mathrm{Key}}^k\left(j\right)=V\left(j\right)\⊕W^k\left(j\right);$ k＝1，2，...，n

Key^k(j)是由医学图像的特征向量V(j)和要嵌入的多个子水印W^k(j)，通过密码学常用的Hash函数生成。保存Key^k(j)，在以后提取多个子水印时需用。通过将Key^k(j)作为密钥向第三方申请，以获得原医学图像的所有权，达到版权保护的目的。

第二部分：多个子水印的提取

3)求出待测医学图像的特征向量V’(j)

设待测医学图像为F’(i，j，k)，经过小波变换(DWT)，和对其近似系数进行的全局傅里叶变换(DFT)，得到系数矩阵DF’(i，j，k)，按上述步骤1)的方法，求得待测医学图像的特征向量V’(j)，主要步骤程序描述如下：

ca_cd’(i，j，k)＝DWT3(F’(i，j，k))；％对待测医学图像进行三维小波变换

DF’(i，j，k)＝DFT3(ca’(i，j，k))；％对近似系数进行全局傅里叶变换

V’(j)＝Sign(DF’(i，j，k))；％求出一个特征向量

4)从待测医学图像中提取出多个子水印W^k’(j)

根据存在第三方的在嵌入水印时生成的Key^k(j)和待测医学图像的特征向量V’(j)，利用Hash函数性质可以提取出待测医学图像的多个子水印W^k’(j)。

$W^{k,}\left(j\right)={\mathrm{Key}}^k\left(j\right)\⊕V^{,}\left(j\right)$

再根据W^k(j)和W^k’(j)的相关程度来判别待测图像的所有者。

本发明有以下优点：

首先由于本发明是基于三维DWT、三维DFT的数字水印技术，DWT是下一代图像压缩技术JPEG2000的核心，DFT是在频率域，可以在其中找到抗几何攻击的特征向量，通过后面的实验数据证实，该水印嵌入方法不仅有较强的抗常规攻击能力，而且有较强的抗几何攻击能力；其次，重复嵌入的多个子水印不影响原始医学图像的内容，这是是一种零水印技术。这个特性尤其是在医学图像等方面具有较大的实用价值，使用范围广。

以下我们从理论基础和实验数据说明：

1)三维离散小波变换(DWT)

三维小波变换的一层分解过程如图1所示，图1中的L、H分别表示医学图像(体数据)经过低频和高频滤波之后得到的低频成分和高频成分，与二维图像的小波变换类似，医学图像经过三维小波变换后，被分解成一个代表医学图像低频特性的“近似系数”LLL₁(低频三维子带)，和该医学图像的高频信息的“细节系数”(高频三维子带)，下标“1”表示是三维DWT的第一层分解；一个医学图像的三维小波变换(两层)的例子见图2，图2(a)为医学图像的一个切片，图2(b)为医学图像的三维成像，图2(c)为医学图像的三维小波变换(两层)。观察图2(c)可以发现，图像的主要能量和低频特征是集中在低频系数中。

2)医学图像的抗几何攻击的特征向量V(j)提取

目前大部分水印算法抗几何攻击能力差的主要原因是：人们将数字水印嵌入在体素或变换系数中，图像的轻微几何变换，常常导致体素数据值或变换系数值的较大变化。这样嵌入在医学图像中的水印便被轻易攻击。如果能够找到一个反映医学图像几何特点的特征向量，并且当医学图像发生小的几何变换时，该特征向量值不会发生明显的突变，而把要嵌入的多重水印和该特征向量相关联，就可以较好的解决水印的鲁棒性问题。小波变换的抗击几何攻击的能力较差，通过实验数据，发现将医学图像的三维小波变换和三维傅里叶变换相结合，可以找到一个抗几何攻击的特征向量，当对一个医学图像进行常见的几何变换时(通过对每个切片进行几何变换来实现)，三维DFT低中频系数值(指实部、虚部系数)的大小可能发生一些变化，但其系数符号基本保持不变，根据发现的这么一个规律，我们先对医学图像进行三维小波变换(这里选用一层)，然后对其近似系数再进行全局DFT变换，我们通过表1的一些实验数据来说明。表1中用作测试的原图是图3(a)，是matlab中自带的一个MRI医学图像的一个切片(取第十个切片)，表1中“第1列”显示的是医学图像受到攻击的类型，受到常规攻击后的该切片图像见图3(b)-(d)，受到常规攻击后的体数据对应的三维成像见图3(e)-(h)；受到几何攻击后的切片图像见图4(a)-(d)，其对应的三维成像见图4(e)-(h)。表1的“第2列”到“第7列”，这是三维DWT-DFT系数矩阵中取的DF(1，1，1)-DF(1，2，3)，12个低中频系数(一个复数这里算两个系数)。对于常规攻击，这些低中频系数值DF(1，1，1)-DF(1，2，3)基本保持不变；对于几何攻击，大部分系数有较大变化，但是从表1中可以发现，大部分DWT-DFT低中频系数的大小发生了变化但其符号基本没有发生变化。我们将正的DWT-DFT系数用”1”表示(含值为零的系数)，负的系数用”0”表示，那么对于没有受到攻击的“原始医学图像”来说，三维DWT-DFT系数矩阵中的DF(1，1，1)-DF(1，2，3)系数，对应的系数符号序列为：”1100 0011 0011”，具体见表1的第“8”列中的第二行，我们观察该列可以发现，无论常规攻击还是几何攻击该“符号序列”和原始医学图像的保持相似，与原始医学图像对应的符号序列的归一化相关系数都较大，为1，(见表1的“第9列”)。

表1三维DWT-DFT低频“部分系数”及受不同攻击后的变化值

^*DWT-DFT变换系数单位：1.0e+005

但为了进一步证明按上述方法提取的特征向量是该医学图像的一个重要特征，我们又把不同的测试对象(见图5(a)-(f))，按照上述方法进行DWT-DFT变换，求出对应的变换系数DF(1，1，1)-DF(1，2，3)，并且求出与原图的符号序列的相关系数，计算结果如表2的最右一列所示。

从表2可以看出，不同医学图像之间，符号序列相差较大，相关度较小，小于0.5。

表2不同医学图像的DWT-DFT低频系数及其符号序列的相关性

表中的图5(e)对应的单位：1.0e+008；其它对应的单位：1.0e+005；

综上所述，我们通过对医学图像的三维DWT-DFT系数的分析，利用低中频系数的符号序列得到一个抗几何攻击的特征向量的方法，利用该特征向量和Hash函数、“第三方”概念实现了在医学图像中嵌入大容量水印，经过下面的实验还证明，该方法，实现了多重水印的嵌入，并且多重水印的嵌入不影响原始医学图像的内容，是一种零水印技术，并有较好的鲁棒性。

附图说明

图1是三维小波变换示意图(一层)。

图2(a)是原始医学图像的一个切片。

图2(b)是原始医学图像对应的三维成像。

图2(c)是对原始医学图像进行三维小波变换(两层)的结果显示。

图3(a)是原始医学图像的一个切片(默认是第10个切片)。

图3(b)是加强度为3％的高斯噪声后的切片图像。

图3(c)是经JPEG压缩(压缩质量为4％)后的切片图像。

图3(d)是经中值滤波后的切片图像(滤波参数为[5x5]，10次重复)。

图3(e)是原始医学图像对应的三维成像。

图3(f)是强度为3％的高斯干扰后对应的三维成像。

图3(g)是JPEG压缩(压缩质量为4％)后对应的三维成像。

图3(h)是经过中值滤波后对应的三维成像(滤波参数为[5x5]，10次重复)。

图4(a)是经过顺时旋转20度的切片图像

图4(b)是经过缩放0.5的切片图像。

图4(c)是垂直方向下移10％的切片图像。

图4(d)是Z轴方向剪切10％后的第一个切片图像。

图4(e)是顺时旋转20度的三维成像(顺时旋转20度)。

图4(f)是缩放系数为0.5的三维成像。

图4(g)是垂直方向下移10％的三维成像。

图4(h)是Z轴方向剪切10％的三维成像。

图5(a)是医学图像MRI_1的三维成像。

图5(b)是医学图像MRI_2的三维成像。

图5(c)是医学图像MRI_3的三维成像。

图5(d)是医学图像Teddy bear的三维成像。

图5(e)是医学图像Tooth的三维成像。

图5(f)是医学图像Liver的三维成像。

图6(a)不加干扰时的水印切片。

图6(b)不加干扰时的三维重建。

图6(c)不加干扰时的水印检测器输出。

图7(a)加高斯干扰时的切片图像(高斯噪声强度3％)。

图7(b)加高斯干扰时的三维重建图(高斯噪声强度3％)。

图7(c)加高斯干扰时的水印检测器输出(高斯噪声强度3％)。

图8(a)JPEG压缩后的切片图像(压缩质量参数为4％)。

图8(b)JPEG压缩后的医学图像的三维成像(压缩质量参数为4％)。

图8(c)JPEG压缩后的水印检测器输出(压缩质量参数为4％)。

图9(a)中值滤波后的切片图片(滤波参数为[5x5]，滤波重复10次)。

图9(b)中值滤波后的医学图像的三维成像(滤波参数为[5x5]，滤波重复10次)。

图9(c)中值滤波后的水印检测器的输出(滤波参数为[5x5]，滤波重复次数为10次)。

图10(a)顺时旋转20度后的切片图像。

图10(b)顺时旋转20度后医学图像的三维成像。

图10(c)顺时旋转20度后水印检测器的输出。

图11(a)原医学图像对应的切片。

图11(b)缩放系数为0.5的切片图像。

图11(c)缩放系数为0.5的三维成像。

图11(d)缩放系数为0.5的水印检测器输出。

图12(a)下移10％的切片图像。

图12(b)下移10％的医学图像对应的三维成像。

图12(c)下移10％后的水印检测器的输出。

图13(a)原医学图像的第一个切片图像。

图13(b)原医学图像对应的三维成像。

图13(c)没有受到攻击时的水印检测器的输出。

图13(d)在Z轴方向剪切20％后，医学图像的第一个切片图像。

图13(e)在Z轴方向剪切20％后，医学图像的三维成像。

图13(f)在Z轴方向剪切20％后，水印检测器的输出。

具体实施方式

下面结合附图对本发明作进一步说明

设要嵌入的大容量水印是长度为256bit的“1”、“-1”二值序列。先产生1000组独立的二值伪随机序列(取值为+1或-1)每组序列长度为64bit，在这1000组数据中，这里我们选取四组作为一个要嵌入的大水印，每组作为一个子水印，其序列长度为64bit，则二值序列共长：64x4＝256bit，实验中具体取第200组、400组、600组、800组随机序列作为嵌入的总长度为256bit的大水印序列。医学图像的一个切片见图6(a)，该医学图像对应的三维成像见图6(b)，在没有加干扰时，水印检测器的输出见图6(c)。实验用的医学图像是matlab中提供的MRI.mat，医学图像的大小为128x128x27)，原图表示为F(i，j，k)，其中1≤i，j≤128；1≤k≤27，对应的三维DWT-DFT变换的系数矩阵为FF(i，j，k)，考虑到鲁棒性和一次性嵌入水印的容量我们中低频的64个系数做特征向量(一个复数系数，这里看做是两个系数)，嵌入的大水印W由k个子水印W^k(j)组成，本例中子水印的个数k取4，这里子水印记为W^k(j)，1≤j≤64，1≤k≤4；选取的3D DWT-DFT系数矩阵为FF(i，j，k)，1≤i，k≤4，1≤j≤2。通过水印算法检测出W^k′(j)后，我们通过计算W^k(j)和W^k′(j)的归一化相关系数NC^k(Normalized CrossCorrelation)，方便起见，用NC1、NC2、NC3和NC4表示与提取出的4个子水印对应的4个相关系数，用于判断是否有大水印嵌入。

下面我们通过具体实验来判断该数字水印方法的抗常规攻击能力和抗几何攻击能力鲁棒性，实验中通过对每个切片的攻击，来实现对医学图像的攻击。

先测试该水印算法抗常规攻击的能力

(1)加入高斯噪声

使用imnoise()函数在水印图像中加入高斯噪音。

表3是水印抗高斯干扰时的检测数据。从实验数据可以看到，当高斯噪声强度高达为20％时，水印医学图像的PSNR降至0.80255dB，这时检测水印，相关系数NC1＝0.964，NC2＝0.965，NC3＝0.964，NC4＝0.966很容易检测出水印的存在，这说明该水印嵌入方法有好的抗高斯噪声能力。

图7(a)为当高斯噪声强度为3％时的一个水印切片，在视觉上已很模糊；

图7(b)为对应的三维成像，这时在视觉上已很模糊，医学图像的PSNR＝8.06dB，值较低；

图7(c)为水印检测器的输出，能很明显的检测到水印的存在，NC1＝1.000，NC2＝1.000，NC3＝1.000，NC4＝1.000

表3水印抗高斯噪声干扰数据

噪声强度(％)	3	10	15	20	25	30
							PSNR(dB)	8.060	3.320	1.775	0.8025	0.083	-0.45
NC1	1.000	1.000	1.000	0.964	0.935	0.837
							NC2	1.000	1.000	1.000	0.965	0.933	0.844
NC3	1.000	1.000	1.000	0.964	0.933	0.837
							NC4	1.000	1.000	1.000	0.966	0.933	0.845

(2)JPEG压缩处理

采用图像压缩质量百分数作为参数对水印图像进行JPEG压缩；

表4为水印抗JPEG压缩的试验数据。当压缩质量仅为2％时，这时压缩质量较低，PSNR＝16.569dB，但仍然可以明显测得水印的存在，这时NC1＝0.973；NC2＝0.973，NC3＝0.973，NC4＝0.966。

图8(a)是压缩质量为4％的切片图像，该图已经出现方块效应；

图8(b)是压缩质量为4％的医学图像对应的三维成像，该图已经出现立体方块效应；

图8(c)是对应的检测器的输出，NC1＝1.0，NC2＝1.0，NC3＝1.0，NC4＝1.0检测效果好。

表4水印抗JPEG压缩的实验数据

压缩质量(％)	1	2	4	8	10	20
							PSNR(dB)	16.562	16.569	17.821	20.211	21.197	23.100
NC1	0.973	0.973	1.000	1.000	1.000	1.000
							NC2	0.973	0.973	1.000	1.000	1.000	1.000
NC3	0.973	0.973	1.000	1.000	1.000	1.000
							NC4	0.966	0.966	1.000	1.000	1.000	1.000

(3)中值滤波处理

表5为水印医学图像抗中值滤波能力，从表中看出，当中值滤波参数为[5x5]，滤波重复次数为10时，PSNR＝18.687dB，值较低。但仍然可以测得水印的存在，NC1＝1.0；NC2＝1.0；NC3＝1.0。

图9(a)是中值滤波参数为[5x5]，滤波重复次数为10的切片图像，图像已出现模糊；

图9(b)是对应的三维成像，PSNR＝18.687dB，值较低，这时三维成像的耳朵轮廓等部分已不太分明；

图9(c)是水印检测器的响应，NC1＝1.0，NC2＝1.0，NC3＝1.0，检测效果明显。

表5水印抗中值滤波实验数据

水印抗几何攻击能力

(1)旋转变换

表6为水印抗旋转攻击试验数据。表中可以看到当水印图像旋转(顺时)40°时，仍然可以检测到水印存在，这时PSNR＝11.013dB，NC 1＝0.743，NC2＝0.753，NC3＝0.743，NC3＝0.747。而Y.H.WU在2000年的论文中，给出的医学图像水印算法，当旋转仅为1.50度时，归一化相关系数的就已较低，NC＝0.24，已无法检测水印的存在。

图10(a)是水印切片图像顺时旋转20°；

图10(b)是相应的三维成像，这时水印医学图像的PSNR＝12.44dB，信噪比很低；

图10(c)为检测的水印图像，可以明显检测到水印的存在这时，NC1＝0.868，NC2＝0.882，NC3＝0.883，NC4＝0.872。

表6水印抗旋转攻击实验数据

(2)缩放变换攻击

表7为水印医学图像缩放攻击试验数据，从表7可以看到当水印医学图像缩放因子小至0.2时，相关系数NC1＝1.00、NC2＝1.00、NC2＝1.00，NC3＝1.00、NC4＝1.00可明显测得水印的存在。

图11(a)为原始医学图像的切片图像；

图11(b)为缩放后的水印切片图像(缩放因子为0.5)；

图11(c)为缩放攻击后，医学图像对应的三维成像(缩放因子为0.5)；

图11(d)为缩放攻击后，水印检测结果，可以明显检测到水印的存在，NC1＝1.0，NC2＝1.0，NC3＝1.0，NC4＝1.0(缩放因子为0.5)。

表7水印缩放攻击实验数据

缩放因子	0.2	0.5	0.8	1.0	1.2	2.0	4.0
								NC1	1.000	1.000	1.000	1.000	1.000	1.000	1.000
NC2	1.000	1.000	1.000	1.000	1.000	1.000	1.000
								NC3	1.000	1.000	1.000	1.000	1.000	1.000	1.000
NC4	1.000	1.000	1.000	1.000	1.000	1.000	1.000

(3)平移变换

表8是水印抗平移攻击试验数据。从表中得知当垂直移动18％，这时PSNR＝9.707dB，测得了NC 1＝0.552，NC2＝0.567，NC3＝0.552，NC3＝0.560仍然可以检测到水印的存在，故该数字水印有较强的抗平移能力。

图12(a)为切片垂直下移10％的图像；

图12(b)为对应的三维成像。这时PSNR 10.849dB，信噪比较低；

图12(c)为水印检测器输出，可以明显检测到水印的存在NC1＝0.948，NC2＝0.936，NC3＝0.931，NC4＝0.946。

表8水印抗平移攻击实验数据

(4)医学图像剪切攻击实验

表9为水印抗剪切数据，从表中可以看到，当从Z轴方向剪切，剪切量为20％时，仍然可以检测到水印的存在，这时NC1＝0.901，NC2＝0.923，NC3＝0.900，NC4＝0.921说明该水印算法有较强的抗剪切能力。

图13(a)为没有受到攻击的水印医学图像的第一个切片图像；

图13(b)为没有受到攻击的水印医学图像对应的三维成像；

图13(c)为没有受到攻击的水印检测结果，NC1＝NC2＝NC3＝1.0；

图13(d)为按Z轴方向剪切20％后，第一个切片图像；

图13(e)为按Z轴方向剪切20％后对应的三维成像，可以发现，剪切攻击的效果明显；顶部相对原图，图13(b)的三维成像，切去一块；

图13(f)为水印检测结果，可以明显检测到水印的存在，NC1＝0.901，NC2＝0.923，NC3＝0.900，NC4＝0.921。

表9水印抗剪切攻击实验数据(按Z轴方向剪切)

通过以上的实验说明，该水印的嵌入方法，有较强的抗常规攻击能力和几何攻击能力，并且水印的嵌入不影响医学图像的值，是一种零水印。

Claims (1)

1.一种基于三维DWT和DFT在医学图像中嵌入大水印的方法，其特征在于：基于三维小波、傅里叶变换及抗几何攻击的特征向量的提取，将水印技术、密码学中的Hash函数特性和“第三方”概念有机结合起来，实现了基于三维小波变换、傅里叶变换在医学图像中嵌入大容量数字水印的方法，该方法共分两个部分，共计四个步骤：

第一部分是水印的嵌入：先将大水印分成多个小的子水印，然后通过对多个子水印的重复嵌入操作，得到相应的二值逻辑序列Key^k(j)；

1)对原始医学图像进行三维小波变换，再对近似系数进行三维全局傅里叶变换，在傅里叶变换系数中，根据低中频系数的符号序列来得到该医学图像的一个抗几何攻击的特征向量V(j)；

2)利用Hash函数和要嵌入的多个子水印W^k(j)，k＝0，1，2，...，n；得到二值逻辑序列Key^k(j)，

保存Key^k(j)，下面提取子水印时要用到，通过把Key^k(j)作为密钥向第三方申请，以获得对原医学图像的所有权；

第二部分是水印的提取：通过二值逻辑序列Key^k(j)和待测医学图像的抗几何攻击的特征向量V’(j)，提取出所有的子水印W^k’(j)；

3)对待测医学图像进行三维小波变换和对近似系数进行全局DFT变换；在变换系数中，根据低中频系数的符号提取出待测医学图像的一个抗几何攻击的特征向量V’(j)；

4)利用Hash函数性质，和存在第三方的Key^k(j)，提取出所有子水印，

将W^k(j)和W^k’(j)进行归一化相关系数计算，来确定医学图像的所有权。

Images