CN103871018A - 一种基于三维dct感知哈希的体数据鲁棒水印实现方法 - Google Patents

Abstract

本发明公开了一种基于三维DCT感知哈希的体数据数字水印技术，属于多媒体信号处理领域。本发明的步骤是：首先对医用体数据进行全局3D-DCT变换，选取前4×4×4个系数，再进行反变换，3D-IDCT，然后在反变换系数中提取体数据的一个感知哈希值，并将水印序列与感知哈希值通过常规哈希函数得到一个二值序列的密钥，并将该密钥存于第三方；然后进行水印的提取，具体是通过对待测体数据使用三维DCT感知哈希算法提取其感知哈希值，然后与存于第三方的二值密钥序列通过哈希函数来进行水印的提取。本发明是基于三维DCT感知哈希的体数据数字水印技术，有较好的鲁棒性，并且，水印的嵌入不改变原始体数据的内容。

Description

一种基于三维DCT感知哈希的体数据鲁棒水印实现方法

技术领域

本发明涉及一种基于三维DCT感知哈希的体数据数字水印技术，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

利用互联网可以实现远程医疗诊断，医学体数据在网络上进行远程传输时，记录在医学图片上的病人的个人信息，很容易被泄露。如何保护患者的个人隐私、使得病人的CT、MRI等医用图像上的个人信息、病人的电子病历等数据不被泄露，这一问题随着互联网的普及变得日益严重。现今的加密方法和访问控制已很难满足医学体数据信息安全的要求，若把个人信息作为数字水印嵌入在医学图片中，即医学图像数字水印技术（Medical Image Watermarking,简称MIW）可以有效地解决这一问题。

数字水印技术最初是用于互联网上的数字媒体的版权保护，现在利用数字水印的不可见性、鲁棒性等特点，可以把病人的个人信息隐藏在其医学图像中，以保证它在互联网上的安全传输。医学图像数字水印的出现，使得远程医疗诊断、远程手术所需的相关病人资料在互联网上传输时，可以有效的保护病人的隐私，避免病人的资料被篡改。

目前对于抗几何攻击的体数据数字水印算法的研究较少。而体数据在医学图像中大量存在，如：CT、MRI图像都是由切片组成的体数据，因此研究如何在体数据中嵌入数字水印意义重大，并且对于医学体数据，一般是不允许修改其内容的。这又为在体数据中嵌入水印提高了难度。

本发明利用体数据的感知哈希函数，实现了体数据的水印嵌入与提取，并且是一种零水印的方法，该算法有较好的抗几何攻击和常规攻击能力，有较大的研究意义。

发明内容

本发明的目的是提出一种基于三维DCT感知哈希的体数据数字水印方法，实现既能抗击几何攻击又能抗击常规攻击的体数据数字水印嵌入与提取方法，它有较高的鲁棒性，并且水印的嵌入不影响原始体数据的体素数据值，是一种零水印方案，从而较好的保护了三维体数据。

本发明的基本原理是：首先对医用体数据进行全局3D-DCT变换，选取低频部分的前4×4×4个系数，再进行3D-IDCT变换，然后在反变换后的系数中提取一个鲁棒的感知哈希值，并将水印序列与该感知哈希值相关联，利用感知哈希值的鲁棒性实现了数字水印的抗几何和常规攻击。

为了实现上述目的，本发明所采用的方法包括水印嵌入和提取两大部分，第一部分为水印的嵌入，包括：（1）通过三维DCT感知哈希算法，得到原始体数据的一个抗几何攻击的感知哈希值H(j)，（2）利用密码学HASH函数，生成含水印信息的二值密钥序列Key(j)，然后将二值逻辑序列Key(j)存在第三方；第二部分为水印的提取，包括：（3）通过三维DCT感知哈希算法求出经过攻击后待测水印感知哈希值H’(j)，（4）利用存在于第三方的二值逻辑密钥序列Key(j)和待测体数据的感知哈希值H’(j)，提取出水印W’(j)。

现对本发明的方法进行详细说明如下：

首先选择一个有意义的二值序列作为要嵌入医学体数据的水印，记为W={w(j)|w(j)=0,1;1≤i≤L}；同时，选取Matlab中自带的一个MRI体数据作为原始医学体数据，表示为：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)表示原始医学体数据的体素（Voxel）数据值，这类似二维图像中的像素灰度值，方便起见，设M=N。

第一部分：水印的嵌入

1）通过对体数据进行三维DCT变换和反变换IDCT，得到原始体数据的一个鲁棒感知哈希值H(j)；

先对原始体数据F(i,j,k)进行全局三维DCT变换，得到三维DCT系数矩阵FD(i,j,k)，在系数矩阵FD(i,j,k)中选取前4×4×4个系数FD₄(i,j,k)，再对选取的系数进行三维反DCT变换，求取反变换后系数的平均值，然后将每个反变换后的系数与平均值进行比较，进行二值量化处理，大于或等于平均值，记为1；小于平均值，记为0，得到体数据的感知哈希值H(j)，其主要过程描述如下：

FD₄(i,j,k)=DCT3(F(i,j,k))

FID(i,j,k)=IDCT3(FD₄(i,j,k))

H(j)=BINARY(FID(i,j,k))

2）利用密码学HASH函数，生成含水印信息的二值密钥序列Key(j)；

Key(j)=H(j)⊕W(j)

Key(j)是由体数据的感知哈希值H(j)和水印序列W(j)，通过密码学常用的Hash函数生成。保存Key(j)，在下面提取水印时要用到。通过将Key(j)作为密钥向第三方申请，以获得医学体数据的所有权和使用权。并且水印的嵌入不影响原始医学体数据的质量，是一种零水印方案。

第二部分：水印的提取

3）求出待测体数据的感知哈希值H’(j)；

设待测体数据为F’(i,j,k)，经过体数据的全局三维DCT变换后得到三维DCT系数矩阵为FD’(i,j,k)，然后选取适当的系数进行反变换，再按上述步骤1）类似的方法，求得待测体数据的感知哈希值H’(j)；

FD’₄(i,j,k)=DCT3(F’(i,j,k))

FID’(i,j,k)=IDCT3(FD’₄(i,j,k))

H’(j)=BINARY(FID’(i,j,k))

4）利用存在于第三方的二值逻辑密钥序列Key(j)和待测体数据的感知哈希值H’(j)，提取出水印W’(j)；

W’(j)=Key(j)⊕H’(j)

根据在嵌入水印时生成的逻辑密钥序列Key(j)和待测体数据的感知哈希H’(j)，利用Hash函数性质可以提取出待测体数据中含有的水印W’(j)。再根据W和W’的相关程度NC的来判别是否有水印嵌入，从而确认待测体数据的所有权和病患信息的安全性问题。

本发明与现有的医学水印技术比较有以下优点：

首先，由于本发明是基于三维DCT感知哈希算法的数字水印技术，通过后面的实验数据证实，该水印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；并且，水印的嵌入不影响原始体数据的体素数据值，是一种零水印技术，更好得保护了医学体数据。这个特性，尤其是在医疗图像处理等方面具有很高的实用价值，使用范围广，并且可实现多水印和大水印的嵌入与提取。

以下我们从理论基础和试验数据说明：

1）感知哈希

感知哈希是媒体感知内容的简短摘要，可以定义为如下的单向函数：

h=PH(I)

其中，PH是感知哈希函数，h表示由媒体对象I提取得到的感知哈希值。一般情况下，感知哈希值h是一个二进制向量H(j);感知哈希函数所具备的基本特性是：

(a)摘要性：感知哈希值所占用的存储空间应尽可能的小；

(b)感知鲁棒性：感知内容相同或相近的媒体对象应该映射得到相同或者相近的感知哈希值；

(c)抗碰撞性：感知内容不同的媒体对象应该不能映射得到相同或相近的感知哈希值。

(d)单向性：由感知哈希值反推媒体对象的感知内容在计算上应该是不可实现的；

感知哈希为多媒体数字内容的标识、检索、认证等应用提供了安全可靠的技术支撑逐渐成为多媒体信号处理与多媒体安全及相关领域的研究热点。

2)三维离散余弦变换（3D-DCT）

三维DCT变换公式如下：

对应大小为M×N×P体数据，三维离散余弦正变换(DCT)公式如下：

$F(u,v,w)=c\left(u\right)c\left(v\right)c\left(w\right)[\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{p=0}{\overset{P-1}{\mathrm{\Σ}}}f(x,y,z)\·\cos \frac{(2x+1)\mathrm{u\π}}{2M}\cos \frac{(2y+1)\mathrm{v\π}}{2N}\cos \frac{(2z+1)\mathrm{w\π}}{2P}]$

u＝0,1,...,M-1;v＝0,1,...,N-1;w＝0,1,...,P-1;

式中

$c\left(u\right)=\left\{\begin{array}{cc}\sqrt{1/M}& u=0\\ \sqrt{2/M}& u=\mathrm{1,2},...,M-1\end{array}\right.$

$c\left(v\right)=\left\{\begin{array}{cc}\sqrt{1/N}& v=0\\ \sqrt{2/N}& v=\mathrm{1,2},...,N-1\end{array}\right.$

$c\left(w\right)=\left\{\begin{array}{cc}\sqrt{1/P}& w=0\\ \sqrt{2/P}& w=\mathrm{1,2},...,P-1\end{array}\right.$

这里，f(x,y,z)是体数据V在(x,y,z)处的体素（voxel）数据值，F(u,v,w)是该体素数据对应的3D-DCT变换系数。

三维离散余弦反变换(IDCT)公式如下：

$f(x,y,z)=\underset{u=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{w=0}{\overset{P-1}{\mathrm{\Σ}}}\left[c\left(u\right)c\left(v\right)c\left(w\right)F(u,v,w)\cos \frac{(2x+1)\mathrm{u\π}}{2M}\cos \frac{(2y+1)\mathrm{v\π}}{2N}\cos \frac{(2z+1)\mathrm{w\π}}{2P}\right]$

x＝0,1,...,M-1;y＝0,1,...,N-1;z＝0,1,...,P-1

其中，(x,y,z)为空间域采样值；(u,v,w)为频率域采样值。医学体数据的获得可通过CT和MRI（Magnetic Resnane Iamge，磁共振成像），体数据(Volume data)是由许多层的切片（slice）组成，每个切片是一个二维图像，大小为M×N,切片的层数为P。

3）体数据的一个感知哈希函数的选取方法

感知哈希值是可以由一个体数据的特征向量经过量化后得到。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，体数据的轻微几何变换，常常会导致体素数据值或变换系数值的突然较大变化。这样嵌入在体数据中的水印便被轻易攻击。如果能够找到一个反映体数据几何特点的感知哈希值，当体数据发生小的几何变换时，该哈希值不会发生明显的突变，然后我们把要嵌入的数字水印和该体数据的感知哈希相关联，那么嵌入的数字水印就有较好的抗几何攻击能力。

我们选取一些常规攻击和几何攻击的实验数据见表1所示。表1中用作测试的原图是图1，是matlab中自带的一个MRI体数据的一个切片（取第十个），表1中“第1列”显示的是体数据受到攻击的类型，受到常规攻击后的该切片图像见图2至图4，常规攻击对应的三维成像见图5至图8；受到几何攻击后的切片图像见图9至图12，其对应的三维成像见图13至图16。表1的“第2列”表示的是体数据受到攻击后的峰值信噪比（PSNR）;表1的“第3列”到“第10列”，是反DCT变换后的三维体数据中任意选取“F(1,1,4)、F(1,2,1)”等八个像素值。表1的“第11列”是DCT感知哈希算法二值量化处理求出来的平均像素值。对于常规攻击，这些像素值F(1,1,4)、F(1,2,1)等可能发生一些变换，但是它与平均像素值的大小比较仍然不变，我们将大于或等于平均值，记为1；小于平均值，记为0，那么对于原始体数据来说，像素值F(1,1,4)、F(1,2,1)等对应的哈希值序列为：“00010101”，具体见表1的第12列；

表1体数据DCT和感知哈希处理后部分系数受不同攻击后的变化值

*DCT和感知哈希处理后系数单位1.0e+001

观察表1第13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体数据的保持相似，与原始体数据归一化相关系数都较大，这符合感知哈希函数的鲁棒性特点，对于相似的图像，其感知函数相似，它们的相关系数较大。

鲁棒性和不可感知性是感知哈希函数的两个主要特性。为了进一步证明按上述方法提取的是该体数据的一个感知哈希函数，我们对其不可碰撞性进行检测，即对于不同的体数据，其感知哈希值是不同的；它们之间的相关系数的值较小；我们把不同的测试对象（见图17至图23），进行试验，通过三维DCT感知哈希算法对它们进行处理。从统计学角度，这里取了前8×8×4个256个DCT系数。并且求出每个体数据的感知哈希值相互之间的相关系数，计算结果如表2所示。

表2不同体数据感知哈希值之间的相关系数（向量长度256bit）

	Ha	Hb	Hc	Hd	He	Hf	Hg
								Ha	1.00	0.58	0.46	-0.09	-0.53	0.11	0.15
Hb	0.58	1.00	0.28	0.12	-0.49	0.19	0.19
								Hc	0.46	0.28	1.00	0.01	-0.30	-0.07	-0.05
Hd	-0.09	0.12	0.01	1.00	-0.07	0.14	0.14
								He	-0.53	-0.49	-0.30	-0.07	1.00	-0.23	-0.21
Hf	0.11	0.19	-0.07	0.14	-0.23	1.00	0.74
								Hg	0.15	0.19	-0.05	0.14	-0.21	0.74	1.00

从表2可以看出，首先，体数据自身之间的相关系数最大，为1.00；其次，图22和图23之间的相关系数也较大为0.74，而这两个图是形状相似的两个肝的体数据；图17和图18，相关系数为0.58，也较大，在表中为第三大相关系数，而这两个图都是人体的头部，也比较相似。其它感知哈希值之间的相关系数值较小，这与我们人眼实际观察到的相符合，这说明按该发明的方法提取的感知哈希值，反映了体数据的主要外形特征，体数据越相似，感知哈希值的相似程度越高。

4)感知哈希值的长度与鲁棒性的关系

根据人类视觉特性(HVS)，低中频信号对人的视觉影响较大，对于二维图像是图像轮廓，对于三维图像就是体数据的外形轮廓。因此，我们在对体数据选取适当变换系数时选取体数据的低中频系数，低中频系数的个数选择与进行全局三维DCT变换的原始体数据的大小，以及一次性嵌入的信息量和要求的鲁棒性有关，选取的感知哈希值的长度L越小，一次性嵌入的信息量越少，但鲁棒性越高。综合考虑后面的实验中，我们在具体实验室时选取L的长度为64。

附图说明

图1是原始体数据的一个切片（默认是体数据的第10个切片）。

图2是经过10%的高斯噪声干扰后的切片图像。

图3是经过JPEG压缩（压缩质量为2%）后的切片图像。

图4是经过中值滤波后的切片图像（滤波参数为[5x5]））。

图5是原始体数据对应的三维成像。

图6是体数据受强度为10%的高斯干扰后对应的三维成像。

图7是JPEG压缩（压缩质量为2%）后对应的三维成像。

图8是经过中值滤波后对应的三维成像（滤波参数为[5x5]）。

图9是经过顺时旋转20度的切片图像。

图10是经过缩放0.5倍的切片图像。

图11是垂直方向下移10%的切片图像。

图12是Z轴方向剪切10%后的第一个切片图像。

图13是顺时旋转20度的三维成像。

图14是缩放系数为0.5的三维成像。

图15是垂直方向下移10%的三维成像。

图16是Z轴方向剪切10%的三维成像。

图17是体数据MRI_1的三维成像。

图18是体数据MRI_2的三维成像。

图19是体数据MRI_3的三维成像。

图20是体数据Teddy bear的三维成像。

图21是体数据Tooth的三维成像。

图22是体数据Liver_1的三维成像。

图23是体数据Liver_2的三维成像。

图24是不加干扰时的水印切片。

图25是不加干扰时的三维重建图。

图26是不加干扰时提取的水印。

图27是高斯噪声干扰后的切片图像（高斯噪声强度10%）。

图28是高斯噪声干扰后的三维重建图（高斯噪声强度10%）。

图29是高斯噪声干扰后提取的水印（高斯噪声强度10%）。

图30是JPEG压缩后的切片图像（压缩质量参数为5%）。

图31是JPEG压缩后的体数据三维成像（压缩质量参数为5%）。

图32是JPEG压缩后提取的水印（压缩质量参数为5%）。

图33是中值滤波后的切片图像(滤波参数为[5x5]，滤波次数为10次)。

图34是中值滤波后的体数据的三维成像(滤波参数为[5x5],滤波次数为10次)。

图35是中值滤波后提取的水印(滤波参数为[5x5],滤波次数为10次)。

图36是顺时旋转20度后的切片图像。

图37是顺时旋转20度后体数据的三维成像。

图38是顺时旋转20度后提取的水印。

图39是缩放系数为0.5的切片图像。

图40是缩放系数为0.5的三维成像。

图41是缩放系数为0.5时提取的水印。

图42是垂直下移10%的切片图像。

图43是垂直下移10%的体数据对应的三维成像。

图44是垂直下移10%后提取的水印。

图45是X轴方向剪切20%后，体数据的第一个切片图像。

图46是X轴方向剪切20%后，体数据的三维成像。

图47是X轴方向剪切20%后，提取的水印。

图48是扭曲频率因子为13时的切片图像。

图49是扭曲频率因子为13时的体数据的三维成像。

图50是扭曲频率因子为13时提取的水印。

具体实施方式

下面结合附图对本发明作进一步说明，仿真平台为Matlab2010a，使用1000组独立的二值伪随机序列（取值+1或-1），每组序列长度为64bit，在这1000组数据中，我们任抽取一组（这里我们选取第500组）作为嵌入的水印序列。原始医学体数据的一个切片见图1，是取自matlab中自带的核磁共振三维图像体数据（MRI.mat）,体数据的大小为128x128x27，见图5。原始体数据表示为F(i,j,k)，其中1≤i,j≤128;1≤k≤27，对应的3D-DCT系数矩阵为FD(i,j,k)，其中1≤i,j≤128;1≤k≤27。考虑到鲁棒性和一次性嵌入水印的容量时我们取前4×4×4个系数。再进行3D-IDCT变换，并求取反变换后系数的平均值，然后通过平均值对反变换后的系数进行二值量化处理，得到体数据的哈希值序列H(j)。通过水印算法检测出W’(j)后，我们通过计算归一化相关系数NC(Normalized Cross Correlation)来判断是否有水印嵌入。

不加任何干扰时，图24是不加干扰时的切片图像（这里默认选择第十个切片，测试用体数据共由27个切片组成）；

图25是不加干扰时的体数据三维成像；

图26是不加干扰时提取的水印，可以看到NC=1.00，可以准确得提取水印。

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。

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声。

表3是水印抗高斯噪声干扰的实验数据。从中可以看到，当高斯噪声强度高达25%时，水印体数据的PSNR降至0.08dB，这时提取的水印，相关系数NC=0.97，仍能准确得提取水印。这说明采用该发明有好的抗高斯噪声能力。

图27是高斯噪声强度10%时的切片图像，在视觉上已很模糊；

图28是对应的体数据三维成像，在视觉上已很模糊，体数据的PSNR=3.30dB，较低；

图29是提取的水印，能准确得提取水印，NC=1.00。

表3水印抗高斯噪声干扰数据

噪声强度(%)	1	3	5	10	15	20	25
								PSNR(dB)	12.53	8.05	6.02	3.30	1.82	0.81	0.08
NC	1.00	1.00	1.00	1.00	1.00	0.97	0.97

(2)JPEG压缩处理

采用图像压缩质量百分数作为参数对水印体数据进行JPEG压缩；表4为水印体数据抗JPEG压缩实验数据。当压缩质量仅为2%，这时压缩质量较低，仍然可以提取出水印，NC=1.00。

图30是压缩质量为5%的切片图像，该图已经出现方块效应；

图31是对应的体数据三维成像，该图已经出现立体方块效应，此

时体数据的PSNR=17.61dB；

图32是提取的水印，NC=1.00，可以准确提取水印。

表4水印抗JPEG压缩实验数据

压缩质量(%)	2	4	8	10	20	40	60	80
									PSNR(dB)	16.57	17.82	20.21	21.20	23.10	25.06	26.61	29.31
NC	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00

(3)中值滤波处理

表5为水印体数据抗中值滤波能力，从表中看出，当中值滤波参数为[7x7],滤波重复次数为20时，仍然可以测得水印的存在，NC=1.00。

图33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34是对应的体数据三维成像，这时耳朵等轮廓已不太分明；

图35是提取的水印，NC=1.00，可以准确提取水印。

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为水印抗旋转攻击实验数据。从表中可以看到当水印体数据顺时旋转35°时，NC=0.77，仍然可以提取水印。

图36是顺时旋转20度的水印切片图像；

图37是相应的体数据三维成像，这时，水印体数据的信噪比较低，PSNR=12.44dB；

图38是提取的水印，NC=0.93，可以准确地提取水印。

表6水印抗旋转攻击实验数据

顺时旋转	5度	10度	15度	20度	25度	30度	35度
								PSNR(dB)	16.54	13.97	12.98	12.44	12.04	11.68	11.33
NC	1.00	1.00	0.96	0.93	0.84	0.80	0.77

(2)缩放变换

表7为水印体数据抗缩放攻击实验数据，从表7可以看到当水印体数据缩放因子小至0.2时，相关系数NC=1.00，可准确提取出水印。

图39是缩放后的水印切片图像（缩放因子为0.5）；

图40是缩放攻击后，体数据对应的三维成像（缩放因子为0.5）；

图41是缩放攻击后，提取的水印，NC=1.00，可以准确得提取出水印。

表7水印抗缩放攻击实验数据

缩放因子	0.2	0.5	0.8	1.0	1.2	2.0	4.0
								NC	1.00	1.00	1.00	1.00	1.00	1.00	1.00

(3)平移变换

表8是水印抗平移变换实验数据。从表中得知当水平或垂直移动10%时，NC值都高于0.5，可以准确提取水印，故该水印方法有较强的抗平移变换能力。

图42是切片垂直下移10%的图像；

图43是体数据的每个切片垂直下移10%后，对应的三维成像，这时PSNR=10.85dB，信噪比较低；

图44是提取的水印，可以准确提取水印，NC=0.95。

表8水印抗平移变换实验数据

(4)剪切攻击

表9为水印抗剪切攻击实验数据，从表中可以看到，当从X轴方向剪切，剪切量为60%时，仍然可以提取水印，NC=0.85，说明该水印算法有较强的抗剪切攻击能力。

图45是按X轴方向剪切20%后，第一个切片图像；

图46是按X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；顶部相对原图的三维成像，切去了一块。

图47是提取的水印，可以准确得提取水印，NC=0.97。

表9水印抗剪切攻击实验数据

X轴剪切(%)	2	4	6	8	10	20	30	40	50	60
											NC	0.97	0.97	0.97	0.97	0.97	0.97	0.95	0.93	0.93	0.85

(5)扭曲攻击

表10为水印抗扭曲攻击实验数据，扭曲参数为扭曲因子，扭曲因子越大，表示扭曲的频率越高，当扭曲因子为24时，这时体数据的信噪比较低PSNR=9.68dB，但这时NC=0.90，仍然可以提取水印。并且从表10中发现，当扭曲因子较低时，对体数据的低频特性影响较大，所以NC值较小；而当扭曲因子较大时，对体数据的高频特性影响较大，即对体数据的外部轮廓影响较小，所以NC值较大；表中的数据与我们在前面对体数据的中低频系数的分析一致。

图48是扭曲攻击后的切片图像（扭曲因子为13）；

图49是扭曲攻击后对应的体数据三维成像，PSNR=9.83dB，信噪比较低；

图50是提取的水印，NC=0.90，可以较为准确地提取水印。

表10水印抗扭曲攻击实验数据

扭曲频率因子	2	3	5	7	9	13	17	20	24
										PSNR(dB)	10.12	10.13	10.16	9.89	9.58	9.83	9.86	9.68	9.68
NC	0.87	0.78	0.93	0.90	0.90	0.90	0.90	0.90	0.90

Claims (1)

1.一种基于三维DCT感知哈希的鲁棒水印实现方法，其特征在于：先对体数据进行全局3D-DCT变换，选取前4×4×4个系数，再进行3D-IDCT反变换，然后在反变换系数中提取一个体数据的感知哈希值，并将水印序列与该感知哈希值相关联，实现了医学体数据数字水印的嵌入与提取，该体数据数字水印实现方法包括水印嵌入和提取两大部分，共计四个步骤：

第一部分：水印的嵌入

1）通过对体数据进行三维DCT变换和反变换IDCT，得到原始体数据的一个鲁棒感知哈希值H(j)；

先对原始体数据F(i,j,k)进行全局三维DCT变换，得到三维DCT系数矩阵FD(i,j,k)，在系数矩阵FD(i,j,k)中选取前4×4×4个系数FD₄(i,j,k)，再对选取的系数进行三维反DCT变换，求取反变换后系数的平均值，然后将每个反变换后的系数与平均值进行比较，进行二值量化处理，大于或等于平均值，记为1；小于平均值，记为0，得到体数据的感知哈希值H(j)，其主要过程描述如下：

FD₄(i,j,k)=DCT3(F(i,j,k))

FID(i,j,k)=IDCT3(FD₄(i,j,k))

H(j)=BINARY(FID(i,j,k))

2）利用密码学HASH函数，生成含水印信息的二值密钥序列Key(j)；

Key(j)=H(j)⊕W(j)

Key(j)是由体数据的感知哈希值H(j)和水印序列W(j)，通过密码学常用的Hash函数生成;保存Key(j)，在下面提取水印时要用到;通过将Key(j)作为密钥向第三方申请，以获得医学体数据的所有权和使用权；

第二部分：水印的提取

3）求出待测体数据的感知哈希值H’(j)；

设待测体数据为F’(i,j,k)，经过体数据的全局三维DCT变换后得到三维DCT系数矩阵为FD’(i,j,k)，再按上述步骤1）类似的方法，求得待测体数据的感知哈希值H’(j)；

FD’₄(i,j,k)=DCT3(F’(i,j,k))

FID’(i,j,k)=IDCT3(FD’₄(i,j,k))

H’(j)=BINARY(FID’(i,j,k))

4）利用存于第三方的二值逻辑密钥序列Key(j)和待测体数据的感知哈希值H’(j)，提取出水印W’(j)；

W’(j)=Key(j)⊕H’(j)

根据在嵌入水印时生成的逻辑密钥序列Key(j)和待测体数据的感知哈希H’(j)，利用Hash函数性质可以提取出待测体数据中含有的水印W’(j)；再根据W和W’的相关程度NC的来判别是否有水印嵌入。

Images