CN104867101A - 一种云环境下加密医学体数据鲁棒水印实现方法 - Google Patents

Abstract

本发明公开了一种云环境下加密医学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：首先利用Logistic Map的性质在频域对体数据进行符号加密；然后通过对加密体数据进行3D-DCT变换提取一个特征向量来进行水印的嵌入，将特征向量与二值水印相关联得到一个二值逻辑序列，并将该二值序列存于第三方；再通过对待加密测体数据进行3D-DCT变换提取其特征向量，并与存于第三方的二值序列相关联来进行水印的提取。本发明是基于三维DCT的加密体数据数字水印技术，有较好的鲁棒性，水印的嵌入不改变原始加密体数据的内容，是一种零水印技术。

Description

一种云环境下加密医学体数据鲁棒水印实现方法

技术领域

本发明涉及一种云环境下加密医学体数据鲁棒数字水印技术，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，但通过互联网传输病人的医用图像时，可能会泄露病人的个人信息，为保护患者的个人隐私，使医学图像在传输过程中不被篡改，则需要对医学图像进行加密；另外，在云端存储医学图像时，为了在使用云服务时保护数据隐私，也需要对医学图像进行加密，并希望云计算能在密文域完成图像分析。而且，为了使病人的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，我们需要将这些信息作为水印嵌入到加密的医学图像中。图像加密和数字水印的结合既能保证安全传输，又能实现信息认证，在实际应用中具有十分重要的用途。

数字水印技术最初是用于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。因此，在数字图像被广泛应用于网络传输中的情况下，在针对数字图像加密和数字水印结合算法的研究变得极为重要。

目前对于加密图像的数字水印算法的研究较少，对于抗几何攻击的加密体数据的数字水印算法的研究更少。而三维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，因此研究如何在加密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。

总之，在三维加密体数据中嵌入可抗旋转、缩放、平移、剪切、扭曲等几何攻击的数字水印的方法，目前尚属空白，未见公开报道。

发明内容

本发明的目的是提出一种云环境下加密医学体数据鲁棒水印实现方法，实现既能抗击几何攻击又能抗击常规攻击的加密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加密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。

本发明的原理是：首先对体数据在频域进行符号加密，然后对加密后的体数据进行全局3D-DCT变换，在3D-DCT变换系数中提取一个抗几何攻击的特征向量，并将水印与该特征向量相关联，利用加密图像特征向量的鲁棒性实现数字水印的常规攻击和几何攻击。

为了实现上述目的，本发明是这样进行的：首先对体数据进行三维DCT，应用Logistic Map产生一组实数值混沌序列，然后通过定义一个阈值函数得到一个符号序列，将体数据的DCT系数与符号序列进行点乘，再进行DCT反变换，实现在频域对体数据的加密。本发明所采用的方法包括体数据的加密、水印的嵌入、提取三大部分，第一部分为体数据的加密，包括：(1)通过Logistic Map产生混沌序列X(j)；(2)利用实数值混沌序列X(j)，通过定义一个阈值函数Sign而得到一个符号序列，按体数据三维矩阵F(i,j,k)的大小构成符号矩阵S(i,j,k)；(3)对体数据F(i,j,k)进行3D-DCT变换，得到系数矩阵FD(i,j,k)；(4)将体数据的DCT系数矩阵与符号矩阵S(i,j,k)进行点乘，得到I(i,j,k)；(5)对I(i,j,k)进行3D-DCT逆变换，得到加密后的体数据EF(i,j,k)。第二部分为水印的嵌入，包括：(6)通过对加密体数据进行全局三维DCT变换，得到一个抗几何攻击的特征向量V(j)，(7)根据二值水印BW(i,j)和提取的加密体数据的特征向量V(j)，经过Hash函数运算，生成一个二值逻辑密钥序列Key(i,j)，然后将二值逻辑序列Key(i,j)存在第三方；第三部分为水印的提取，包括：(8)求出待测加密体数据的特征向量V’(j)，(9)利用存在于第三方的二值逻辑密钥序列Key(i,j)和待测加密体数据的特征向量V’(j)，提取出水印BW’(i,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图像作为要嵌入医学体数据的水印，记为W＝{w(i,j)|w(i,j)＝0,1；1≤i≤M1,1≤j≤M2}；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，w(i,j)和f(i,j,k)分别表示水印的像素灰度值和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M1＝M2，M＝N。

第一部分：体数据的加密

1)通过Logistic Map生成混沌序列；

由初始值x₀通过Logistic Map混沌系统生成混沌序列X(j)。

2)得到符号序列；

利用混沌序列X(j)，通过定义一个阈值函数Sign而得到一个符号序列，再按体数据的大小构成符号矩阵S(i,j,k)，1≤i≤M,1≤j≤N，1≤k≤P。

$Sign\left(X\left(j\right)\right)=\left\{\begin{array}{cc}1,& X\left(j\right)\&GreaterEqual;0.5\\ -1,& X\left(j\right)<0.5\end{array}\right.$

3)对体数据F(i,j,k)进行全局3D-DCT，得到系数矩阵FD(i,j,k)。

FD(i,j,k)＝DCT3(F(i,j,k))

4)将系数矩阵与符号矩阵进行点乘，得到I(i,j,k)。

I(i,j,k)＝FD(i,j,k).*S(i,j,k)

5)对I(i,j,k)进行3D-DCT逆变换，得到加密后的体数据EF(i,j,k)。

EF(i,j,k)＝IDCT3(I(i,j,k))

第二部分：水印的嵌入

6)通过对加密体数据进行全局三维DCT变换，得到该加密体数据的一个特征向量V(j)；

先对加密体数据EF(i,j,k)进行全局三维DCT变换，得到三维DCT系数矩阵EFD(i,j,k)，再从三维DCT系数矩阵EFD(i,j,k)中，取出前L个低中频系数值，通过对三维DCT系数进行符号运算得到该体数据的特征向量V(j)，具体做法是当DCT系数为正值或零值时用“1”表示，系数为负值时用“0”表示，过程描述如下：

EFD(i,j,k)＝DCT3(F(i,j,k))

V(j)＝Sign(EFD(i,j,k))

7)根据二值水印BW(i,j)和加密体数据的特征向量V(j)生成一个二值逻辑序列Key(i,j)；

Key(i,j)＝V(j)⊕BW(i,j)

Key(i,j)是由加密体数据的特征向量V(j)和二值水印BW(i,j)，通过密码学常用的Hash函数生成。保存Key(i,j)，在以后提取水印时需用。通过将Key(i,j)作为密钥向第三方申请，以获得加密医学体数据的所有权和使用权，达到版权保护的目的。

第三部分：水印的提取

8)求出待测加密体数据EF’(i,j,k)的特征向量V’(j)；

设待测加密体数据为EF’(i,j,k)，经过加密体数据的全局三维DCT变换后得到三维DCT系数矩阵为EFD’(i,j,k)，按上述步骤3的方法，求得待测加密体数据的特征向量V’(j)；

EFD’(i,j,k)＝DCT3(EF’(i,j,k))

V’(j)＝Sign(EFD’(i,j,k))

9)在待测加密体数据中提取出水印BW’(i,j)；

根据在嵌入水印时生成的逻辑密钥序列Key(i,j)和待测加密体数据的特征向量V’(j)，利用Hash函数性质可以提取出待测加密体数据中含有的水印BW’(i,j)

${\mathrm{BW}}^{,}(i,j)=Key(i,j)\&CirclePlus;V^{,}\left(j\right)$

再根据BW(i,j)和BW’(i,j)的相关程度来判别待测加密体数据的所有权。

本发明的创新点：

数字水印和图像加密技术研究已经取得较多很好的研究成果，但针对三维医学体数据加密域的数字水印技术研究甚少，对体数据加密得到密文图像，防止隐私信息泄露；又能利用水印信息进行认证，是保证信息安全传输的更好办法。水印的嵌入和提取是在加密体数据的频域中进行，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；水印的嵌入不影响加密体数据，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。另外，本发明实现了不解密的条件下对加密体数据进行特征提取，是一种同态加密技术，较好地解决了将数据及其操作委托第三方时的保密问题。

以下我们从理论基础和试验数据说明：

1)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：

$F(u,v,w)=c\left(u\right)c\left(v\right)c\left(w\right)\&lsqb;\underset{x=0}{\overset{M-1}{\&Sigma;}}\underset{y=0}{\overset{N-1}{\&Sigma;}}\underset{p=0}{\overset{P-1}{\&Sigma;}}f(x,y,z)\&CenterDot;\cos \frac{(2x+1)u\mathrm{\&pi;}}{2M}\cos \frac{(2y+1)v\mathrm{\&pi;}}{2N}\cos \frac{(2z+1)w\mathrm{\&pi;}}{2P}\&rsqb;$

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

式中

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

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

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

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：

$f(x,y,z)=\&lsqb;\underset{u=0}{\overset{M-1}{\&Sigma;}}\underset{v=0}{\overset{N-1}{\&Sigma;}}\underset{w=0}{\overset{P-1}{\&Sigma;}}c\left(u\right)c\left(v\right)c\left(w\right)F(u,v,w)\&CenterDot;\cos \frac{(2x+1)u\mathrm{\&pi;}}{2M}\cos \frac{(2y+1)v\mathrm{\&pi;}}{2N}\cos \frac{(2z+1)w\mathrm{\&pi;}}{2P}\&rsqb;$

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。

2)Logistic Map

混沌是一种貌似无规则的运动，指在确定性系统中出现的类似随机的过程。因此，有了它的初始值和参数，我们就能够生成这个混沌系统。Logistic Map是最著名的一种混沌系统，它是由以下公式给出的非线性映射：

x_k+1＝μx_k(1-x_k)

其中，0≤μ≤4为增长参数，x_k∈(0,1)为系统变量，k是迭代次数。混沌动力系统的研究工作指出，当增长参数3.569945≤μ≤4时，Logistic Map工作于混沌状态。可以看到初始值有一个微小的变化将会导致混沌序列的显著差异。因此，以上序列是一个理想的密钥序列。本文中设定μ＝4，混沌序列由不同的初始值x₀产生。

3)加密体数据的一个主要特征向量选取方法

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，加密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。这样嵌入在加密体数据中的水印便被轻易攻击。如果能够找到一个反映加密体数据几何特点的特征向量，当加密体数据发生小的几何变换时，该特征向量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加密体数据的特征向量相关联，那么嵌入的数字水印就有较好的抗几何攻击能力。通过对大量加密体数据的全局DCT系数观察发现，当对一个加密体数据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DCT低中频系数值的大小可能发生一些变化，但其系数符号基本保持不变，我们通过表1的一些实验数据来说明。实验中加密的对象是matlab中自带的一个MRI体数据，如图1所示，图2是加密前体数据的一个切片，图3是加密后的体数据，图4是加密体数据的一个切片。表1中用作测试的原图是加密的体数据，表1中“第1列”显示的是加密体数据受到攻击的类型，方便起见，我们选取加密体数据第10个切片攻击前后的成像来对比。受到常规攻击后的加密体数据的切片图像见图5至图7；受到几何攻击后的切片图像见图8至图12。表1的“第2列”表示的是加密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”，是三维DCT系数矩阵中取的F(1,1,1)-F(2,2,2)八个低中频系数。对于常规攻击，这些低中频系数值F(1,1,1)-F(2,2,2)基本保持不变，和原加密体数据的DCT系数值近似相等；对于几何攻击，部分系数有较大变化，但是我们可以发现，加密体数据在受到几何攻击后，大部分DCT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DCT系数用“1”表示(含值为零的系数)，负的DCT系数用“0”表示，那么对于原始体数据来说，三维DCT系数矩阵中的F(1,1,1)-F(2,2,2)系数，对应的系数符号序列为：“11010010”，具体见表1的第11列，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加密体数据的保持相似，与原始加密体数据归一化相关系数都较大，见表1“第12列”(方便起见这里取了8个三维DCT系数符号)。

表1加密体数据全局3D-DCT变换的低中频部分系数及受不同攻击后的变化值

*3D-DCT变换系数单位1.0e+002

为了进一步证明按上述方法提取的特征向量是该加密体数据的一个重要特征，我们又把不同的测试对象(见图13至图18)进行加密(见图19至图24)，然后再进行全局三维DCT变换，求出对应的DCT系数F(1,1,1)-F(4,4,4),从统计学角度，这里取了前64个DCT系数。并且求出相互之间的相关系数，计算结果如表2所示。

从表2可以看出，首先，加密体数据自身之间的相关系数最大，为1.00；其次，图20和图21之间的相关系数也较大为0.56，而这两个图对应的加密前的图是形状相似的两个肝的体数据图14和图15。其它加密体数据特征向量之间的相关系数值较小，这与我们人眼观察到的加密前的图相符合，这说明按该发明的方法提取的加密体数据特征值，反映了加密体数据的本质特征。

表2不同加密体数据特征向量的相关系数(向量长度64bit)

	Va	Vb	Vc	Vd	Ve	Vf
							Va	1.00	-0.16	-0.03	0.19	-0.16	-0.19
Vb	-0.16	1.00	0.56	0.09	-0.07	0.16
							Vc	-0.03	0.56	1.00	0.03	-0.08	0.34
Vd	0.19	0.09	0.03	1.00	0.03	0.06
							Ve	-0.16	-0.07	-0.08	0.03	1.00	0.09
Vf	-0.19	0.16	0.35	0.06	0.09	1.00

3)水印嵌入的位置和一次性嵌入的长度

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，我们所选取的体数据的特征向量也是低中频系数的符号序列，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，选取的特征向量的长度L越小，一次性嵌入的信息量越少，但鲁棒性越高。在后面的实验中，我们选取L的长度为64。

综上所述，我们通过对加密体数据的全局三维DCT系数的分析，利用三维DCT低中频系数的符号序列得到一种取得加密体数据的特征向量的方法。

附图说明

图1是加密前的体数据。

图2是加密前得体数据切片(取第10个切片)。

图3是加密后的体数据。

图4是加密后的体数据切片。

图5是方差为5％的高斯噪声干扰的加密切片。

图6是JPEG压缩的加密切片(压缩质量为4％)。

图7是中值滤波后的加密切片(窗口大小为[3x3])。

图8是顺时针旋转5°的加密切片。

图9是缩放0.5倍的加密切片。

图10是水平左移10％的加密切片。

图11是随机剪切2％的加密切片。

图12是扭曲攻击后的加密切片(扭曲因子为5)。

图13是体数据MRI_1的三维成像。

图14是体数据MRI_2的三维成像。

图15是体数据MRI_3的三维成像。

图16是体数据Engine的三维成像。

图17是体数据Teddy Bear的三维成像。

图18是体数据Tooth的三维成像。

图19是加密后的MRI_1体数据。

图20是加密后的MRI_2体数据。

图21是加密后的MRI_3体数据。

图22是加密后的Engine体数据。

图23是加密后的Teddy Bear体数据。

图24是加密后的Tooth体数据。

图25是原始含水印加密体数据。

图26是原始含水印加密切片。

图27是原始水印。

图28是不加干扰时提取的水印。

图29是高斯噪声干扰的含水印加密切片(噪声强度为1％)。

图30是高斯噪声干扰后提取的水印(噪声强度为1％)。

图31是JPEG压缩的含水印加密切片(压缩质量为10％)。

图32是JPEG压缩后提取的水印(压缩质量为10％)。

图33是中值滤波后的含水印加密切片(窗口大小为[3x3])。

图34是中值滤波后提取的水印(窗口大小为[3x3])。

图35是顺时针旋转1°的含水印加密切片。

图36为顺时针旋转1°后提取的水印。

图37是缩放0.5倍的含水印加密切片。

图38是缩放0.5倍后提取的水印。

图39是垂直上移5％的含水印加密切片。

图40是垂直上移5％后提取的水印。

图41是随机剪切1％的含水印加密切片。

图42是随机剪切1％后提取的切片。

图43是扭曲攻击后的含水印加密切片(扭曲因子为5)。

图44是扭曲攻击后提取的水印(扭曲因子为5)。

具体实施方式

下面结合附图对本发明作进一步说明，选择一个有意义的二值图像作为原始水印，记为：W＝{w(i,j)|w(i,j)＝0,1；1≤i≤M1,1≤j≤M2},见图25，这里水印的大小为64×64。加密的对象是取自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1，其第10个切片图像见图2，加密后的体数据见图3，加密体数据的第10个切片图像见图4。加密体数据表示为EF(i,j,k)，其中1≤i,j≤128；1≤k≤27，对应的3D-DCT系数矩阵为EFD(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我们取64个系数。通过水印算法检测出BW’(i,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。

不加干扰时的加密体数据(这里选择显示第十个加密切片，测试用体数据共由27个切片组成)。

图25是不加干扰时的含水印加密体数据三维成像；

图26是不加干扰时的原始含水印的加密体数据切片(取第10个切片)；

图27是原始水印；

图28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20％时，加密体数据的PSNR降至5.49dB，这时提取的水印，相关系数NC＝0.74，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29是高斯噪声强度1％时的含水印加密体数据切片，在视觉上与原始的含水印加密体数据切片已有明显差别；

图30是提取的水印，能准确得提取水印，NC＝0.94。

表3水印抗高斯噪声干扰数据

噪声强度(％)	1	2	3	5	10	15	20
								PSNR(dB)	16.07	13.12	11.45	9.47	7.20	6.11	5.49
NC	0.93	0.88	0.86	0.84	0.84	0.76	0.74

(2)JPEG压缩处理

采用图像压缩质量百分数作为参数对含水印加密体数据进行JPEG压缩；表4为加密体数据中的水印抗JPEG压缩的实验数据。当压缩质量仅为4％，这时压缩质量较低，仍然可以提取出水印，NC＝0.79。

图31是压缩质量为10％的含水印加密体数据切片图像，从切片图像可以看出该含水印加密体数据已经出现方块效应；

图32是提取的水印，NC＝0.92，可以准确提取水印。

表4水印抗JPEG压缩实验数据

压缩质量(％)	4	10	20	40	50	70	80
								PSNR(dB)	20.54	23.85	25.98	27.84	28.40	29.62	30.82
NC	0.79	0.92	0.92	1	1	1	1

(3)中值滤波处理

表5为加密体数据中的水印抗中值滤波能力，从表中看出，当中值滤波参数为[5x5]，滤波重复次数为20时，仍然可以测得水印的存在，NC＝0.92。

图33是中值滤波参数为[3x3]，滤波重复次数为1的含水印加密体数据切片图像，图像已出现模糊；

图34是提取的水印，NC＝0.95，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。从表中可以看到当含水印加密体数据顺时旋转5°时，NC＝0.65，仍然可以提取水印。

图35是顺时旋转1°的含水印加密体数据切片图像；

图36是提取的水印，NC＝0.89，可以准确地提取水印。

表6水印抗旋转攻击实验数据

旋转度数	-5	-2	-1	1	2	5
							PSNR(dB)	17.84	21.06	24.51	24.48	21.03	17.82
NC	0.74	0.89	0.89	0.89	0.80	0.65

                          注：负为逆时针，正为顺时针

(2)缩放变换

表7为加密体数据中的水印抗缩放攻击实验数据，从表7可以看到当含水印加密体数据缩放因子小至0.2时，相关系数NC＝0.86，可准确提取出水印。

图37是缩放后的含水印加密体数据切片图像(缩放因子为0.5)；

图38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	1.2	2	5
							NC	0.86	1	0.95	1	1	1

(3)平移变换

表8是水印抗平移变换实验数据。从表中得知当含水印加密体数据水平或垂直移动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39是含水印加密体数据切片垂直上移5％的图像；

图40是提取的水印，可以准确提取水印，NC＝0.81。

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，当随机剪切含水印加密体数据，剪切量为10％时，仍然可以提取水印，NC＝0.69，说明该水印算法有较强的抗剪切攻击能力。

图41是随机剪切1％后的含水印加密体数据切片图像；

图42是提取的水印，可以准确得提取水印，NC＝0.94。

表9水印抗剪切攻击实验数据

剪切体积(％)	1	2	3	5	10
						PSNR(dB)	30.88	26.48	23.28	20.26	16.63
NC	0.94	0.87	0.83	0.83	0.69

(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25时，这时体数据的信噪比较低PSNR＝13.61dB，但这时NC＝0.71，仍然可以提取水印。

图43是扭曲攻击后的含水印加密体数据切片图像(扭曲因子为5)；

图44是提取的水印，NC＝0.78，可以较为准确地提取水印。

表10水印抗扭曲攻击实验数据

扭曲因子	5	7	10	13	15	20	25
								PSNR	13.32	13.41	13.60	13.44	13.73	13.69	13.61
NC	0.78	0.54	0.58	0.74	0.69	0.58	0.71

Claims (1)

1.一种云环境下加密医学体数据鲁棒水印实现方法，其特征在于：基于全局三维DCT变换，得到加密医学体数据的抗几何攻击的特征向量，并与水印技术有机结合起来，实现了加密医学体数据数字水印的抗几何攻击和常规攻击，该体数据数字水印实现方法共分三个部分，共计九个步骤：

第一部分是体数据的加密：

1)通过Logistic Map产生混沌序列X(j)；

2)利用实数值混沌序列X(j)，通过定义一个阈值函数Sign而得到一个符号序列，按体数据的大小构成符号矩阵S(i,j,k)；

3)对体数据进行3D-DCT，得到系数矩阵D(i,j,k)；

4)体数据的DCT系数矩阵与符号矩阵进行点乘，得到I(i,j,k)；

5)对I(i,j,k)进行3D-IDCT，得到加密后的体数据；

第二部分是水印的嵌入：

6)通过对加密体数据进行全局三维DCT变换，得到一个抗几何攻击的特征向量V(j)；

7)根据二值水印BW(i,j)和提取的加密体数据的特征向量V(j)，通过Hash函数运算，生成一个二值逻辑密钥序列Key(i,j)，然后将二值逻辑序列Key(i,j)存在第三方，Key(i,j)＝V(j)⊕BW(i,j)；

第三部分是水印的提取：

8)求出待测加密体数据的特征向量V’(j)；

9)利用存在于第三方的二值逻辑密钥序列Key(i,j)和待测加密体数据的特征向量V’(j)，提取出水印BW’(i,j)，BW’(i,j)＝Key(i,j)⊕V’(j)；

将BW(i,j)和BW’(i,j)进行归一化相关系数计算，来确定医学体数据的所有权。