CN109285106A - 一种基于slt-svd的医学影像的可逆还原方法 - Google Patents

一种基于slt-svd的医学影像的可逆还原方法 Download PDF

Info

Publication number
CN109285106A
CN109285106A CN201811185686.0A CN201811185686A CN109285106A CN 109285106 A CN109285106 A CN 109285106A CN 201811185686 A CN201811185686 A CN 201811185686A CN 109285106 A CN109285106 A CN 109285106A
Authority
CN
China
Prior art keywords
medical image
information
suspicious
watermark
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811185686.0A
Other languages
English (en)
Other versions
CN109285106B (zh
Inventor
刘熙尧
楼杰挺
孙玉莹
王帆
王一帆
廖胜辉
邹北骥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201811185686.0A priority Critical patent/CN109285106B/zh
Publication of CN109285106A publication Critical patent/CN109285106A/zh
Application granted granted Critical
Publication of CN109285106B publication Critical patent/CN109285106B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于SLT‑SVD的医学影像的可逆还原方法，本方案将整幅原始医学影像从空间域变换到频率域，以嵌入水印信息，水印信息的嵌入不区分ROI和RONI，避免RONI被替换后水印信息的完全丢失，从而实现对从网络分享得到的可疑医学影像进行真实性和完整性鉴别。真实性鉴别对具有版权保护的医学影像进行来源认证，确保可疑医学影像来源的正确性；完整性鉴别通过对可疑医学影像进行篡改检测、定位和修复，来确保医学影像在网络传输过程中没有任何失真。而且该方案实现医学影像的可逆还原无需引入大量的辅助信息并且不需要记住ROI和RONI划分的位置信息，减小了信息传输的带宽、降低安全隐患。

Description

一种基于SLT-SVD的医学影像的可逆还原方法
技术领域
本发明属于数字水印领域，具体涉及一种基于SLT-SVD的医学影像的可逆还原方法。
背景技术
随着互联网医疗的发展，越来越多敏感和私密的医学影像会通过开放性、交互性的网络进行传输。这些医学影像在方便地进行共享的同时，也面临着新的安全性挑战。一方面，在网络中传递的医学影像可能由于网络的不稳定性会遭受到一些无意地修改；另一方面，非法者可以轻易地截取并有意地篡改医疗信息。这些对医学影像无意和有意地修改都可能会导致医疗误诊，造成医疗事故，危害病人的健康甚至生命。因此，如何鉴别医学影像内容的完整性，确保医学影像内容没有被修改非常重要。
目前，医学影像的完整性鉴别可以分为三个不同的级别：第一级别的完整性鉴别方法只能实现篡改检测，无法实现篡改定位与修复；第二级别的完整性鉴别方法在实现篡改检测的同时也能实现篡改定位，但是依旧不同实现篡改修复；第三级别的完整性鉴别方法不仅能实现篡改检测和篡改定位，而且也能在一定程度上修复篡改区域，相比于前两个级别的完整性鉴别方法，第三级别的完整性鉴别方法具有更好的实用性，是医学影像内容完整性鉴别算法的研究热点。
Tareef等人首先将医学影像分为ROI和RONI，再对RONI做SVD变换，最后将稀疏编码后的ROI和EPR嵌入到SVD变换后的奇异值矩阵上，进而实现医学影像的完整性鉴别(载于Engineering in Medicine&Biology Society，2014年)。该算法虽然具有较好的鲁棒性，但是无法对医学影像进行可逆还原，从而在一定程度上影响医学影响的医学价值。对此，TA等人提出了一种无损的医学影像完整性鉴别方法。该算法首先将医学影像分为ROI和RONI，再将ROI区域分块来实现篡改定位，同时将篡改检测信息和篡改修复信息嵌入到ROI区域像素的LSB上，最后将原始图像的所有LSB使用游程长度压缩算法(RLE)进行压缩，进而嵌入到RONI区域的最低2位，以此来满足医学影像的可逆还原(载于IEEE InternationalConference on Communication，2012)。虽然该算法实现了对医学影像可逆还原，但是该算法是脆弱的，一旦受到攻击就无法提取出水印信息，并且只能ROI区域能够可逆还原。Thabit等人提出了一种基于分块的医学影像水印算法。该算法首先将医学影像分为ROI和RONI，再对ROI和RONI进行分块并进行SLT变换，将病人嵌入到ROI区域，将篡改检测信息、篡改定位信息和篡改修复信息嵌入到RONI区域，最后实现医学影像内容的完整性鉴别(载于Multimedia Tools&Applications，2017)。该算法虽然实现了医学影像的可逆还原并且具有较好的鲁棒性，但是实现可逆还原需要大量的辅助信息并且依旧只能ROI区域能够可逆还原。
总之，以上完整性鉴别算法存在以下问题：1)无法可逆还原RONI，导致RONI失真，对医学影像的医学价值造成负面影响；2)由于在嵌入水印的过程中在空间上将医学影像分为了ROI与RONI，在攻击环境下就会存在ROI与RONI划分的准确性问题，为了解决这个问题就需要记住ROI与RONI划分时的位置信息，从而引入了大量的辅助信息，增加了信息的传输带宽以及安全隐患；3)由于ROI与RONI是在空间上划分的，RONI很容易被替换，导致嵌入在RONI的基于ROI生成的篡改检测信息、篡改定位信息以及篡改修复信息完全丢失，进而无法进行完整性鉴别；4)算法无法同时满足鲁棒性、可逆性以及无需携带大量辅助信息的要求，算法的实用性较差。
在此背景下，研究一种能够对医学影像实现完全的可逆还原，对攻击具有一定的修复能力，水印嵌入在整张医学影像上且能够同时满足鲁棒性、可逆性以及不需要携带大量辅助信息要求的算法尤为重要。
发明内容
针对现有技术存在的技术问题，本发明提供一种医学影像的可逆还原方法，可以实现对从网络分享得到的可疑医学影像进行真实性和完整性鉴别，而且可减小信息传输的带宽、降低安全隐患。
为实现上述技术目的，本发明采用如下技术方案：
一种基于SLT-SVD的医学影像的可逆还原方法，包括以下步骤：
步骤S10，构建原始医学影像的水印信息；
将原始医学影像的版权标志信息和依据原始医学影像生成的篡改检测信息、篡改定位信息和篡改修复信息，作为原始医学影像的水印信息；
其中，版权标志信息用于进行真实性鉴别；篡改检测信息、篡改定位信息和篡改修复信息用于进行完整性鉴别；
步骤S20，将原始医学影像分块后，进行整体频域变换，嵌入水印信息，再分享至网络；
将原始医学影像进行分块后，从空间域变换到频率域，将原始医学影像的水印信息嵌入到整体分块后的频率域中，水印信息的嵌入不区分ROI和RONI，再对医学影像从频率域变换到空间域得到嵌有水印信息的医学影像，将嵌有水印信息的医学影像分享至网络上；
步骤S30，获取分享在网络上的可疑医学影像与同步记录在网络上的对应版权标志信息；
将从网络上获取的可疑医学影像从空间域进行变换到频率域，并从中提取可疑医学影像的水印信息；
步骤S40，对可疑医学影像进行版权真实性鉴别；
利用从网络上同步获取的版权标志信息与步骤S30提取的可疑医学影像的水印信息中的版权标志信息进行对比：若真实性鉴别失败，结束可疑医学影像的还原处理；若真实性鉴别成功，进入步骤S50；
步骤S50，根据可疑医学影像生成篡改检测信息，并与步骤S30提取的可疑医学影像的水印信息中的篡改检测信息对比：如果相同，则可疑医学影像未被篡改，作为待还原医学影像，执行步骤S80；如果不同，则可疑医学影像被篡改，执行步骤S60；
步骤S60，根据可疑医学影像生成篡改定位信息，以步骤S30提取的可疑医学影像的水印信息中的篡改定位信息为基准，定位到可疑医学影像中被篡改的像素块；
步骤S70，利用步骤S30提取的可疑医学影像的水印信息中的篡改修复信息，修复可疑医学影像中被篡改的像素块，得到可疑医学影像的修复影像，退出还原流程；
步骤S80，将待还原医学影像中的水印信息去除；
将待还原医学影像从空间域变换到频率域，并从中将步骤30提取的水印信息去除，再从频率域变换到空间域，得到可疑医学影像的可逆还原影像。
本方案将整幅原始医学影像从空间域变换到频率域，以嵌入水印信息，水印信息的嵌入不区分ROI和RONI，避免RONI被替换后水印信息的完全丢失，从而实现对从网络分享得到的可疑医学影像进行真实性和完整性鉴别。真实性鉴别对具有版权保护的医学影像进行来源认证，确保可疑医学影像来源的正确性；完整性鉴别通过对可疑医学影像进行篡改检测、定位和修复，来确保医学影像在网络传输过程中没有任何失真。而且该方案实现医学影像的可逆还原无需引入大量的辅助信息并且不需要记住ROI和RONI划分的位置信息，减小了信息传输的带宽、降低安全隐患。
进一步地，医学影像从空间域变换到频率域是指依次对医学影像进行SLT变换和SVD变换得到奇异值矩阵；从频率域变换到空间域是指依次对处理过的奇异值矩阵进行逆向SVD变换和逆向SLT变换得到处理过后的医学影像。
通过对各环节的医学影像进行SLT变换和SVD变换得到奇异值矩阵，即是将图像从空间域变换到频率域，再将水印信息嵌入到该频率域中，水印的嵌入不区分ROI和RONI，从而使得水印信息具有较好的鲁棒性。
进一步地，通过QIM算法将原始医学影像的水印信息嵌入到原始医学影像的奇异值矩阵中，得到嵌有水印信息的奇异值矩阵；通过QIM可逆算法将水印信息从待还原医学影像的奇异值矩阵中去除，得到无水印信息的奇异值矩阵。
通过QIM算法将水印嵌入到完整的医学影像的频率域，水印的嵌入不区分ROI与RONI，且QIM算法可以可逆还原医学影像，因此可从嵌有水印的医学影像中将水印信息去除，从而得到可疑医学影像的可逆还原影像，即该方案通过QIM算法使得整个医学影像可逆还原，当然包括ROI区域和RONI区域都是可逆还原的。
进一步地，依次对医学影像进行SLT变换和SVD变换得到奇异值矩阵S，包括将医学影像分为若干个大小为8*8的不重叠的分块B以及分别对所有分块B做以下步骤处理，得到各分块的奇异值矩阵S：
对分块B做SLT变换：TB＝[SLT8][B][SLT8]，其中，TB表示SLT变换后得到的SLT系数矩阵，STB8表示大小为8*8的SLT变换矩阵；
将SLT系数矩阵TB分为4个子块(LL,HL,LH,HH)，LL表示SLT低频系数矩阵，HL、LH分别表示两个不同的SLT中频系数矩阵，HH表示SLT高频系数矩阵；
对SLT低频系数矩阵LL做SVD变换得到奇异值矩阵S：LL＝U*S*VT，其中U、V都是正交矩阵，T表示矩阵的转置运算；
依次对处理过的奇异值矩阵Sp进行逆向SVD变换和逆向SLT变换的具体过程为：
对所有处理过的奇异值矩阵Sp均依次进行逆向SVD变换和逆向SLT变换，得到所有逆向变换后的像素块Bp，组成处理过后的医学影像，其中逆向SVD变换和逆向SLT变换为：
LLp＝U*Sp*VT，
进一步地，将原始医学影像进行频域变换，嵌入水印信息的具体过程为：
将原始医学影像从空间域变换到频率域，得到原始医学影像各原始分块B1的奇异值矩阵S1；
针对原始医学影像的各原始分块的奇异值矩阵中的第一奇异值利用QIM算法分别嵌入1个水印比特w1，分别得到嵌有1个水印比特的第一奇异值其中，水印信息W1包括若干个水印比特w1；
分别将嵌有1个水印比特w1的第一奇异值替换掉水印比特嵌入前的第一奇异值得到各分块嵌有1个水印比特的奇异值矩阵Sp1；
将各原始分块B1的嵌有1个水印比特的奇异值矩阵Sp1进行频率域逆变换，得到若干个嵌有1个水印比特w1的像素块Bp1，进而得到嵌有水印信息W1的医学影像；
从可疑医学影像的频率域提取水印信息W2的具体过程为：
将可疑医学影像从空间域变换到频率域，得到可疑医学影像各可疑分块B2的奇异值矩阵S2；
从可疑医学影像各可疑分块B2的奇异值矩阵S2的第一奇异值中分别提取出1个水印比特w2：组成可疑医学影像中提取的水印信息W2；
将待还原医学影像中的水印信息W2去除的具体过程为：
将待还原医学影像从空间域变换到频率域，得到待还原医学影像各待还原分块B3的奇异值矩阵S3；
针对待还原医学影像各待还原分块B3的奇异值矩阵S3中嵌有1个水印比特w2的第一奇异值利用QIM可逆算法将待提取的1个水印比特w2去除，将去除1个水印比特w2的第一奇异值替换掉嵌有1个水印比特w2的第一奇异值得到去除1个水印比特w2的奇异值矩阵Sp3；
将各待还原分块B3对应的去除1个水印比特w2的奇异值矩阵Sp3进行频率域逆变换，得到若干个无水印比特的像素块Bp3，进而得到可疑医学影像的可逆还原影像。
进一步地，进行频率域逆变换得到的像素块Bp还进行溢出处理：
其中，Bpnew(i,j)表示溢出处理后的像素块，(i,j)表示矩阵的坐标。
通过对得到的像素块Bp进行溢出处理，可以保证得到的嵌有水印信息的医学影像和可疑医学影像的可逆还原影像的像素值不会溢出。
进一步地，步骤S10中依据原始医学影像生成篡改修复信息的具体过程为：
步骤S11，将原始医学影像的ROI区域进行IWT变换，把变换后的IWT系数矩阵分为CA、CH、CV、CD四个部分；
步骤S12，对IWT低频系数矩阵CA的所有元素进行溢出处理：
其中，CAnew(i,j)表示溢出处理后的IWT低频系数矩阵，(i,j)表示矩阵的坐标；
步骤S13，将溢出处理后的IWT低频系数矩阵CAnew(i,j)分为若干个大小为4*4的子块，并对每一个子块进行压缩；
步骤S14，重复步骤S13，直至处理完所有子块，得到篡改修复信息。
通过对篡改修复信息进行压缩，使水印信息所需要的空间减少，从而医学影像携带信息更少。
进一步地，步骤S13对溢出处理后的低频系数矩阵CAnew(i,j)的子块进行BTC有损压缩：
步骤S131，计算子块的平均值u；
步骤S132，将子块所有的元素分为大于u和小于u两部分；
步骤S133，将大于u的所有元素映射为1，小于u的所有元素映射为0，并计算两部分的均值u1和u2；
步骤S134，对两个均值用四舍五入的方式将浮点数转化为整数，进而得到该子块的篡改修复信息。
进一步地，步骤S10中依据原始医学影像生成篡改检测信息的方法为：利用SHA-1算法将原始医学影像映射为160b的篡改检测信息；步骤S10中依据原始医学影像生成篡改定位信息的方法为：将医学影像的ROI区域分成若干个大小为16*16不重叠的分块；利用错误检测码将每一分块转化为16b的篡改定位信息。
有益效果
本发明真实性鉴别信息与根据原始医学影像生成的篡改检测信息、篡改定位信息和篡改修复信息，一起构成原始医学影像的水印信息；将完整的原始医学影像从空间域变换到频率域，以将水印信息嵌入到该频率域中，再从变换域变换到空间域，得到嵌有水印信息的医学影像，并通过网络分享出去；从网络分享得到可疑医学影像，从中提取水印信息，根据真实性鉴别信息以及可疑医学影像所生成的篡改检测信息、篡改定位信息和篡改修复信息进行对比，以完成真实性鉴别和完整性鉴别；最后再将未被篡改的可疑医学影像或可疑医学影像的修复影像中的水印信息去除，得到可疑医学影像的可逆还原影像。本方案将整幅原始医学影像从空间域变换到频率域，以嵌入水印信息，水印信息的嵌入不区分ROI和RONI，避免RONI被替换后水印信息的完全丢失，从而实现对从网络分享得到的可疑医学影像进行真实性和完整性鉴别。真实性鉴别对具有版权保护的医学影像进行来源认证，确保可疑医学影像来源的正确性；完整性鉴别通过对可疑医学影像进行篡改检测、定位和修复，来确保医学影像在网络传输过程中没被他人修改。而且该方案实现医学影像的可逆还原无需引入大量的辅助信息并且不需要记住ROI和RONI划分的位置信息，减小了信息传输的带宽、降低安全隐患。
附图说明
图1为本发明实例中基于SLT-SVD的医学影像完整性鉴别的可逆水印算法流程图。
图2为本发明实例中篡改修复信息的生成与使用过程的流程图。
图3为本发明实例中水印嵌入到原始医学影像的流程图。
图4中a图为本发明实例使用的原始医学影像；b图为本发明实例使用的版权标志信息；c图为本发明实施例嵌有水印的医学影像。
图5为本发明实例医学影像水印提取过程的流程图。
图6中a图为本发明需要进行完整性和真实性鉴别的可疑医学影像；b图为本发明提取出的版权标志信息；c图为本发明可疑医学影像的修复影像。
图7为本发明实例待还原医学影像进行可逆还原过程的流程图。
图8中a图为本发明实施例待还原医学影像；b图为本发明实例进行可逆还原后的医学影像。
具体实施方式
本发明提供的一种医学影像的可逆还原方法，其完整的流程如图1所示，包括以下步骤：
步骤S10，构建原始医学影像的水印信息。
将原始医学影像的版权标志信息和依据原始医学影像生成的篡改检测信息、篡改定位信息和篡改修复信息，作为原始医学影像的水印信息。
对原始医学影像(如图4(a)所示)划分为ROI区域和RONI区域，利用SHA-1算法将原始医学影像映射为160b的篡改检测信息，并将原始医学影像的ROI区域分成若干个大小为16*16不重叠的分块；利用错误检测码将每一分块转化为16b的篡改定位信息，并根据原始医学影像的ROI区域生成篡改修复信息。
其中根据原始医学影像的ROI区域生成篡改修复信息，如图2所示，具体过程为：
步骤S11，将医学影像的ROI区域进行IWT变换，把变换后的IWT系数矩阵分为CA、CH、CV、CD四个部分；
步骤S12，对IWT低频系数矩阵CA的所有元素进行溢出处理：
其中，CAnew(i,j)表示溢出处理后的IWT低频系数矩阵，(i,j)表示矩阵的坐标；
步骤S13，将溢出处理后的IWT低频系数矩阵CAnew(i,j)分为若干个大小为4*4的子块，并对每一个子块进行BTC有损压缩，使水印信息所需要的空间减少，从而医学影像携带信息更少：
步骤S131，计算子块的平均值u；
步骤S132，将子块所有的元素分为大于u和小于u两部分；
步骤S133，将大于u的所有元素映射为1，小于u的所有元素映射为0，并计算两部分的均值u1和u2；
步骤S134，对两个均值用四舍五入的方式将浮点数转化为整数，进而得到该子块的篡改修复信息；
步骤S14，重复步骤S13，直至处理完所有子块，得到篡改修复信息。
步骤S20，将原始医学影像进行频域变换，嵌入水印信息，再分享至网络，如图3所示。
将原始医学影像从空间域进行变换到频率域，将原始医学影像的水印信息嵌入到频率域中，水印的嵌入不区分ROI和RONI，再从频率域变换到空间域，得到嵌有水印信息的医学影像，将嵌有水印信息的医学影像分享至网络上。
步骤S21，将完整的原始医学影像分为若干个大小为8*8的不重叠的原始分块B1；
步骤S22，利用下面的公式对原始分块B1做SLT变换：
TB1＝[SLT8][B1][SLT8]，
其中B1表示原始医学影像的像素分块，TB1表示SLT变换后的SLT系数矩阵，SLT8表示大小为8*8的SLT变换矩阵；
步骤S23，将SLT系数矩阵TB1分为4个子块(LL1,HL1,LH1,HH1)，LL1表示SLT低频系数矩阵、HL1、LH1分别表示不同的SLT中频系数矩阵、HH1表示SLT高频系数矩阵；
步骤S24，对SLT低频系数矩阵LL1做SVD变换得到原始影像分块B1的奇异值矩阵S1：LL1＝U*S1*VT，其中U、V都是正交矩阵，T表示矩阵的转置运算；
步骤S25，利用QIM算法将1个水印比特w1嵌入到奇异值矩阵S1的第一奇异值上，得到嵌有1个水印比特w1的第一奇异值
S'p1＝Δ*S'p1+Δ/2，
其中，||·|表示范数，Δ表示选定的一个量化步长，D分别表示中间变量；
步骤S26，将嵌有水印的第一奇异值替换奇异值矩阵S1的第一奇异值得到嵌有水印的奇异值矩阵Sp1，对嵌有水印的奇异值矩阵Sp1先后进行SVD逆变换和SLT逆变换，得到嵌有水印的像素块Bp1，并进行溢出处理：
LLp1＝U*Sp1*VT，
其中，LLp1表示嵌有水印的SLT低频系数矩阵，Bp1表示嵌有水印的像素块，Bp1new(i,j)表示溢出处理后的像素块，(i,j)表示矩阵的坐标；
步骤S27，重复步骤S22至S26对原始医学影像中其余的分块进行处理，直至水印信息W1，即篡改检测信息、篡改定位信息、篡改修复信息以及真实性鉴别信息(如图4(b)所示)全部嵌入到原始的医学影像上，得到嵌有水印信息W1的医学影像(如图4(c)所示)，然后将该嵌有水印信息W1的医学影像分享至网络上。
步骤S30，获取分享在网络上的可疑医学影像与同步记录在网络上的对应版权标志信息。
将从网络上获取的可疑医学影像从空间域进行变换到频率域，并从中提取可疑医学影像的水印信息W2，如图5所示，具体为：
步骤S31，将可疑医学影像(如图6(a)所示)分为若干个大小为8*8的不重叠的可疑分块B2；
步骤S32，对可疑分块B2做SLT变换，得到可疑分块B2的系数矩阵TB2；
步骤S33，将可疑分块B2的系数矩阵TB2分成4个子块(LL2,LH2,HL2,HH2)，LL2表示可疑分块B2的低频系数矩阵、HL2、LH2分别表示可疑分块B2的不同的中频系数矩阵、HH2表示可疑分块B2的高频系数矩阵；
步骤S34，对可疑分块B2的低频系数矩阵LL2进行SVD变换，得到嵌有1个可疑水印比特w2的奇异值矩阵S2；
步骤S35，从嵌有1个可疑水印比特w2的奇异值矩阵S2的第一奇异值中提取出1个可疑水印比特w2：
步骤S36，重复步骤S31至S35对可疑医学影像中其余的可疑分块B2进行处理，直到提取出可疑医学影像中嵌有的全部可疑水印信息W2，即可疑医学影像中嵌有的篡改检测信息、篡改定位信息、篡改修复信息和版权标志信息(如图6(b)所示)全部提取出来。
步骤S40，对可疑医学影像进行版权真实性鉴别。
利用从网络上同步获取的版权标志信息与步骤S30提取的可疑水印信息W2中的版权标志信息进行对比：若真实性鉴别失败，结束可疑医学影像的还原处理；若真实性鉴别成功，进入步骤S50。
原始医学影像的版权标志信息，一般是一个logo，用于医学影像的版权保护，确保医学影像来源的正确性。将与可疑医学影像同步获取到的对应版权标志信息，与从可疑医学影像的水印信息中的版权标志信息进行对比，以判断该可疑医学影像来源的真实性：若真实性鉴别失败，结束可疑医学影像的整个还原处理；若真实性鉴别成功，进行步骤S50。
步骤S50，根据可疑医学影像生成篡改检测信息，并与步骤S30提取的可疑水印信息W2中的篡改检测信息对比：如果相同，则可疑医学影像未被篡改，可作为待还原医学影像，执行步骤S80；如果不同，则可疑医学影像被篡改，执行步骤S60。
利用SHA-1算法将可疑医学影像映射得到160b的篡改检测信息，作为可疑医学影像的篡改检测信息。
步骤S60，根据可疑医学影像生成篡改定位信息，以步骤S30提取的可疑医学影像的水印信息中的篡改定位信息为基准，定位到可疑医学影像中被篡改的像素块。
将可疑医学影像分为ROI区域和RONI区域，将ROI区域分成若干大小为16*16不重叠的分块，利用错误检测码将每一分块转化为16b的篡改定位信息，作为可疑医学影像的篡改定位信息。
步骤S70，利用步骤S30提取的可疑水印信息W2中的篡改修复信息，修复可疑医学影像中被篡改的像素块，得到可疑医学影像的修复影像(如图6(c)所示)，进而结束整个流程。具体过程如下：
步骤S71，将从可疑医学影像中提取出的可疑水印信息W2中的篡改修复信息，进行BTC压缩重建，得到重建后的IWT低频系数矩阵CA'：
步骤S711，可疑水印信息W2中的篡改修复信息包括若干个大小为4*4的子块，从水印信息中提取出每个子块对应的二值矩阵；这里的可疑水印信息W2的篡改修复信息，与由原始医学影像生成的篡改修复信息相对应，因此，可疑水印信息W2中的篡改修复信息也会相应包括若干个大小为4*4的子块，且其中嵌有子块的大于子块平均值u的部分元素的平均值u1和小于子块平均值u的部分元素的平均值u2；
步骤S712，从可疑水印信息W2的篡改修复信息中提取出对应各个子块的两个均值u1和u2；
步骤S713，用u1替代二值矩阵中所有值为1的元素，用u2替代二值矩阵中所有值为0的元素，进而重建出IWT低频系数矩阵CA'；
步骤S72，将三个重建后的IWT高频系数矩阵CH'、CV'、CD'均置0；
步骤S73，将重建后的IWT变换低频系数矩阵CA'以及三个IWT变换高频系数矩阵CH'、CV'、CD'一起构成重建后的IWT变换系数矩阵，并对该重建后的IWT变换系数矩阵做IWT逆变换，进而得到可用于修复的ROI图像；
步骤S74，利用步骤S73得到的ROI图像，以替换的方式对被篡改的像素块进行修复，从而得到可疑医学影像的修复影像。
步骤S80，将待还原医学影像中的水印信息W2去除。
将待还原医学影像，即未被篡改的可疑医学影像或可疑医学影像的修复影像(如图8(a)所示)，从空间域进行变换到频率域，并从中将步骤30提取的水印信息W2去除，再进行频率域逆变换，得到可疑医学影像的可逆还原影像(如图8(b)所示)，流程如图7所示，具体为：
步骤S81，将待还原医学影像分为若干个大小为8*8的不重叠的待还原分块B3；
步骤S82，对待还原分块B3做SLT变换和SVD变换，得到嵌有水印信息W2的奇异值矩阵S3；
步骤S83，从奇异值矩阵S3取第一奇异值结合步骤S30提取的1个可疑水印比特w2，按以下公式计算无水印的第一奇异值并将奇异值矩阵S3中的第一奇异值替换为得到无水印的奇异值矩阵Sp3：
S3'＝S3'*Δ+Δ/2，
步骤S84，对无水印的奇异值矩阵Sp3先后进行逆向SVD变换和逆向SLT变换，得到还原的像素块Bp3；
步骤S85，对还原的像素块Bp3进行按以下公式进行溢出处理：
步骤S86，重复步骤S82至S85所有待还原分块B3进行可逆还原处理，得到可疑医学影像的可逆还原影像。
需要说明的是，以上公开的仅为本发明的具体实例，根据本发明提供的思想，本领域的技术人员能思及的变化，都应落入本发明的保护范围内。

Claims (9)

1.一种基于SLT-SVD的医学影像的可逆还原方法，其特征在于，包括以下步骤：
步骤S10，构建原始医学影像的水印信息；
将原始医学影像的版权标志信息和依据原始医学影像生成的篡改检测信息、篡改定位信息和篡改修复信息，作为原始医学影像的水印信息；
步骤S20，将原始医学影像分块后，进行整体频域变换，嵌入水印信息，再分享至网络；
将原始医学影像进行分块后，从空间域变换到频率域，将原始医学影像的水印信息嵌入到整体分块后的频率域中，水印信息的嵌入不区分ROI和RONI，再对医学影像从频率域变换到空间域得到嵌有水印信息的医学影像，将嵌有水印信息的医学影像分享至网络上；
步骤S30，获取分享在网络上的可疑医学影像与同步记录在网络上的对应版权标志信息；
将从网络上获取的可疑医学影像从空间域进行变换到频率域，并从中提取可疑医学影像的水印信息；
步骤S40，对可疑医学影像进行版权真实性鉴别；
利用从网络上同步获取的版权标志信息与步骤S30提取的可疑医学影像的水印信息中的版权标志信息进行对比：若真实性鉴别失败，结束可疑医学影像的还原处理；若真实性鉴别成功，进入步骤S50；
步骤S50，根据可疑医学影像生成篡改检测信息，并与步骤S30提取的可疑医学影像的水印信息中的篡改检测信息对比：如果相同，则可疑医学影像未被篡改，作为待还原医学影像，执行步骤S80；如果不同，则可疑医学影像被篡改，执行步骤S60；
步骤S60，根据可疑医学影像生成篡改定位信息，以步骤S30提取的可疑医学影像的水印信息中的篡改定位信息为基准，定位到可疑医学影像中被篡改的像素块；
步骤S70，利用步骤S30提取的可疑医学影像的水印信息中的篡改修复信息，修复可疑医学影像中被篡改的像素块，得到可疑医学影像的修复影像，退出还原流程；
步骤S80，将待还原医学影像中的水印信息去除；
将待还原医学影像从空间域变换到频率域，并从中将步骤30提取的水印信息去除，再从频率域变换到空间域，得到可疑医学影像的可逆还原影像。
2.根据权利要求1所述的方法，其特征在于，医学影像从空间域变换到频率域是指依次对医学影像进行SLT变换和SVD变换得到奇异值矩阵；从频率域变换到空间域是指依次对处理过的奇异值矩阵进行逆向SVD变换和逆向SLT变换得到处理过后的医学影像。
3.根据权利要求2所述的方法，其特征在于，通过QIM算法将原始医学影像的水印信息嵌入到原始医学影像的奇异值矩阵中，得到嵌有水印信息的奇异值矩阵；通过QIM可逆算法将水印信息从待还原医学影像的奇异值矩阵中去除，得到无水印信息的奇异值矩阵。
4.根据权利要求2所述的方法，其特征在于，
依次对医学影像进行SLT变换和SVD变换得到奇异值矩阵S，包括将医学影像分为若干个大小为8*8的不重叠的分块B以及分别对所有分块B做以下步骤处理，得到各分块的奇异值矩阵S：
对分块B做SLT变换：TB＝[SLT8][B][SLT8]，其中，TB表示SLT变换后得到的SLT系数矩阵，STB8表示大小为8*8的SLT变换矩阵；
将SLT系数矩阵TB分为4个子块(LL,HL,LH,HH)，LL表示SLT低频系数矩阵，HL、LH分别表示两个不同的SLT中频系数矩阵，HH表示SLT高频系数矩阵；
对SLT低频系数矩阵LL做SVD变换得到奇异值矩阵S：LL＝U*S*VT，其中U、V都是正交矩阵，T表示矩阵的转置运算；
依次对处理过的奇异值矩阵Sp进行逆向SVD变换和逆向SLT变换的具体过程为：
对所有处理过的奇异值矩阵Sp均依次进行逆向SVD变换和逆向SLT变换，得到所有逆向变换后的像素块Bp，组成处理过后的医学影像，其中逆向SVD变换和逆向SLT变换为：
LLp＝U*Sp*VT，
5.根据权利要求4所述的方法，其特征在于，
将原始医学影像进行频域变换，嵌入水印信息的具体过程为：
将原始医学影像从空间域变换到频率域，得到原始医学影像各原始分块B1的奇异值矩阵S1；
针对原始医学影像的各原始分块的奇异值矩阵中的第一奇异值利用QIM算法分别嵌入1个水印比特w1，分别得到嵌有1个水印比特的第一奇异值其中，水印信息W1包括若干个水印比特w1；
分别将嵌有1个水印比特w1的第一奇异值替换掉水印比特嵌入前的第一奇异值得到各分块嵌有1个水印比特的奇异值矩阵Sp1；
将各原始分块B1的嵌有1个水印比特的奇异值矩阵Sp1进行频率域逆变换，得到若干个嵌有1个水印比特w1的像素块Bp1，进而得到嵌有水印信息W1的医学影像；
从可疑医学影像的频率域提取水印信息W2的具体过程为：
将可疑医学影像从空间域变换到频率域，得到可疑医学影像各可疑分块B2的奇异值矩阵S2；
从可疑医学影像各可疑分块B2的奇异值矩阵S2的第一奇异值中分别提取出1个水印比特w2：组成可疑医学影像中提取的水印信息W2；
将待还原医学影像中的水印信息W2去除的具体过程为：
将待还原医学影像从空间域变换到频率域，得到待还原医学影像各待还原分块B3的奇异值矩阵S3；
针对待还原医学影像各待还原分块B3的奇异值矩阵S3中嵌有1个水印比特w2的第一奇异值利用QIM可逆算法将待提取的1个水印比特w2去除，将去除1个水印比特w2的第一奇异值替换掉嵌有1个水印比特w2的第一奇异值得到去除1个水印比特w2的奇异值矩阵Sp3；
将各待还原分块B3对应的去除1个水印比特w2的奇异值矩阵Sp3进行频率域逆变换，得到若干个无水印比特的像素块Bp3，进而得到可疑医学影像的可逆还原影像。
6.根据权利要求5所述的方法，其特征在于，进行频率域逆变换得到的像素块Bp还进行溢出处理：
其中，Bpnew(i,j)表示溢出处理后的像素块，(i,j)表示矩阵的坐标。
7.根据权利要求1所述的方法，其特征在于，步骤S10中依据原始医学影像生成篡改修复信息的具体过程为：
步骤S11，将原始医学影像的ROI区域进行IWT变换，把变换后的IWT系数矩阵分为CA、CH、CV、CD四个部分；
步骤S12，对IWT低频系数矩阵CA的所有元素进行溢出处理：
其中，CAnew(i,j)表示溢出处理后的IWT低频系数矩阵，(i,j)表示矩阵的坐标；
步骤S13，将溢出处理后的IWT低频系数矩阵CAnew(i,j)分为若干个大小为4*4的子块，并对每一个子块进行压缩；
步骤S14，重复步骤S13，直至处理完所有子块，得到篡改修复信息。
8.根据权利要求7所述的方法，其特征在于，步骤S13对溢出处理后的低频系数矩阵CAnew(i,j)的子块进行BTC有损压缩：
步骤S131，计算子块的平均值u；
步骤S132，将子块所有的元素分为大于u和小于u两部分；
步骤S133，将大于u的所有元素映射为1，小于u的所有元素映射为0，并计算两部分的均值u1和u2；
步骤S134，对两个均值用四舍五入的方式将浮点数转化为整数，进而得到该子块的篡改修复信息。
9.根据权利要求1所述的方法，其特征在于，步骤S10中依据原始医学影像生成篡改检测信息的方法为：利用SHA-1算法将原始医学影像映射为160b的篡改检测信息；步骤S10中依据原始医学影像生成篡改定位信息的方法为：将医学影像的ROI区域分成若干个大小为16*16不重叠的分块；利用错误检测码将每一分块转化为16b的篡改定位信息。
CN201811185686.0A 2018-10-11 2018-10-11 一种基于slt-svd的医学影像的可逆还原方法 Active CN109285106B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811185686.0A CN109285106B (zh) 2018-10-11 2018-10-11 一种基于slt-svd的医学影像的可逆还原方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811185686.0A CN109285106B (zh) 2018-10-11 2018-10-11 一种基于slt-svd的医学影像的可逆还原方法

Publications (2)

Publication Number Publication Date
CN109285106A true CN109285106A (zh) 2019-01-29
CN109285106B CN109285106B (zh) 2021-12-14

Family

ID=65177405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811185686.0A Active CN109285106B (zh) 2018-10-11 2018-10-11 一种基于slt-svd的医学影像的可逆还原方法

Country Status (1)

Country Link
CN (1) CN109285106B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400248A (zh) * 2019-07-19 2019-11-01 中南大学 基于圆环灰度差值的医学体数据影像安全保护零水印方法
CN110458747A (zh) * 2019-07-29 2019-11-15 淮阴工学院 基于不变特征的鲁棒可逆图像水印算法
CN112085016A (zh) * 2020-07-07 2020-12-15 南京信息工程大学 基于roi和iwt医学图像篡改认证及恢复的鲁棒水印方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030070075A1 (en) * 2001-10-04 2003-04-10 Frederic Deguillaume Secure hybrid robust watermarking resistant against tampering and copy-attack
CN102880997A (zh) * 2011-05-26 2013-01-16 江苏技术师范学院 水印图像的嵌入方法
CN103700059A (zh) * 2013-12-19 2014-04-02 南京信息工程大学 基于多功能数字水印的云存储图像数据持有性证明方法
US20160049153A1 (en) * 2014-08-12 2016-02-18 Tata Consultancy Services Ltd. Computer Implemented System for Audio Watermarking

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030070075A1 (en) * 2001-10-04 2003-04-10 Frederic Deguillaume Secure hybrid robust watermarking resistant against tampering and copy-attack
CN102880997A (zh) * 2011-05-26 2013-01-16 江苏技术师范学院 水印图像的嵌入方法
CN103700059A (zh) * 2013-12-19 2014-04-02 南京信息工程大学 基于多功能数字水印的云存储图像数据持有性证明方法
US20160049153A1 (en) * 2014-08-12 2016-02-18 Tata Consultancy Services Ltd. Computer Implemented System for Audio Watermarking

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
BAIYING LEI ET AL.: "Reversible watermarking scheme for medical image based on differential evolution", 《EXPERT SYSTEMS WITH APPLICATIONS》 *
EYAD BEN TARIF ET AL.: "A hybrid encryption/hiding method for secure transmission of biometric data in multimodal authentication system", 《MULTIMEDIA TOOLS AND APPLICATIONS》 *
RASHA THABIT1 ET AL.: "Medical image authentication using SLT and IWT schemes", 《MULTIMEDIA TOOLS AND APPLICATIONS》 *
吴捷: "一种基于Slantlet变换的盲水印嵌入算法", 《软件导刊》 *
朱秀昌等: "《数字图像处理与图像信息》", 31 August 2016, 北京邮电大学出版社 *
闵连权等: "《地理空间信息数字水印技术》", 30 June 2017, 测绘出版社 *
隋爱娜等: "《数字内容安全技术》", 31 October 2016, 中国传媒大学出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400248A (zh) * 2019-07-19 2019-11-01 中南大学 基于圆环灰度差值的医学体数据影像安全保护零水印方法
CN110458747A (zh) * 2019-07-29 2019-11-15 淮阴工学院 基于不变特征的鲁棒可逆图像水印算法
CN112085016A (zh) * 2020-07-07 2020-12-15 南京信息工程大学 基于roi和iwt医学图像篡改认证及恢复的鲁棒水印方法

Also Published As

Publication number Publication date
CN109285106B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
Yang et al. A contrast-sensitive reversible visible image watermarking technique
Qin et al. Visible watermark removal scheme based on reversible data hiding and image inpainting
CN109285106A (zh) 一种基于slt-svd的医学影像的可逆还原方法
Wu et al. Secure reversible data hiding in encrypted images based on adaptive prediction-error labeling
WO2021103676A1 (zh) 一种基于整数小波变换的自适应可逆信息隐藏方法
Song et al. An integer DCT and affine transformation based image steganography method
Ren et al. Large capacity digital audio watermarking algorithm based on DWT and DCT
CN101835049A (zh) 一种jpeg图像自嵌入数字水印的生成及认证方法
Prabakaran et al. Dual transform based steganography using wavelet families and statistical methods
Sun et al. A blind digital watermarking for color medical images based on PCA
KR100337954B1 (ko) 텍스트 워터마크 삽입 방법 및 장치
Liu et al. Adaptive feature calculation and diagonal mapping for successive recovery of tampered regions
CN104766263A (zh) 基于四元数Legendre矩校正的彩色图像水印嵌入及检测方法
CN110211020A (zh) 一种图像的水印嵌入与提取方法及相关装置
CN103996163A (zh) 一种数字水印嵌入、提取方法、嵌入、提取装置以及系统
Lu et al. Multipurpose image watermarking method based on mean-removed vector quantization
Gao et al. Efficient Robust Reversible Watermarking Based on ZMs and Integer Wavelet Transform
CN109859090A (zh) 基于人类视觉系统的可逆水印方法及装置
Puteaux et al. Hierarchical high capacity data hiding in JPEG crypto-compressed images
Prabakaran et al. Dual Wavelet Transform Used in Color Image Steganography Method
Boujemaa et al. Fragile watermarking of medical image for content authentication and security
Li et al. A robust image hiding method based on sign embedding and fuzzy classification
Behravan et al. Introducing a new method of image reconstruction against crop attack using sudoku watermarking algorithm
Singh et al. Medical image watermarking for authentication, confidentiality, tamper detection and recovery
Dong et al. Quantum color image watermarking scheme based on quantum error correction coding

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant