CN111968026A - 一种基于PHTs-DCT的医学图像鲁棒水印方法 - Google Patents

Abstract

本申请公开了一种基于PHTs‑DCT的医学图像鲁棒水印方法，该方法包括：通过PHTs‑DCT变换对原始医学图像进行特征提取，并利用哈希函数运算生成特征序列；对原始水印进行混沌置乱加密，得到混沌置乱水印，并将水印信息嵌入至原始医学图像中，同时获取二值逻辑密钥序列并保存；同理通过PHTs‑DCT变换对待测医学图像进行特征提取，并生成特征序列；根据待测医学图像的特征序列和二值逻辑密钥序列，提取出加密水印并进行解密，得到还原水印；将原始水印和还原水印进行归一化相关系数计算，确定待测医学图像的所有权和水印信息。该方法具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全。

Description

一种基于PHTs-DCT的医学图像鲁棒水印方法

技术领域

本发明涉及多媒体信号处理领域，特别是涉及一种基于PHTs-DCT的医学图像鲁棒水印方法。

背景技术

随着现代网络的发展，医学逐渐从传统医学向远程医疗发展，在这个过程中有大量的医学图像在网络中传输，这就意味着在这个过程中医学图像可能遭受篡改和盗用。而医学图像作为一类特殊图像，要求原始数据具有完整性。由于大量的医学图像在网络传输存在安全问题，且医学数据是不允许修改的，需要对医学图像提供有效的保护。

目前，鲁棒水印技术是保护数字内容版权的主要方法。一般来说，不像脆弱水印，不可感知性和鲁棒性是鲁棒水印技术的两个最重要的性能要求。鲁棒性是指抵御各种类型攻击的能力。不可感知性是水印嵌入或攻击后对封面图像视觉质量影响的度量。从水印性能的角度来看，它们是相互矛盾的，它们之间的权衡一直是鲁棒水印方法的一个挑战性问题。且传统的鲁棒水印方法并不能对医学图像本身进行保护，容易对原图数据修改造成缺陷。

因此，如何对医学图像的数据进行有效保护，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于PHTs-DCT的医学图像鲁棒水印方法，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全，实现零水印的抗几何攻击和常规攻击。其具体方案如下：

一种基于PHTs-DCT的医学图像鲁棒水印方法，包括：

通过PHTs-DCT变换对原始医学图像进行特征提取，并利用哈希函数运算生成所述原始医学图像的特征序列；

对原始水印进行混沌置乱加密，得到混沌置乱水印，并根据得到的所述混沌置乱水印和生成的所述原始医学图像的特征序列，将水印信息嵌入至所述原始医学图像中，同时获取二值逻辑密钥序列并保存；

通过PHTs-DCT变换对待测医学图像进行特征提取，并利用哈希函数运算生成所述待测医学图像的特征序列；

根据所述待测医学图像的特征序列和保存的所述二值逻辑密钥序列，提取出加密水印，并对提取的所述加密水印进行解密，得到还原水印；

将所述原始水印和所述还原水印进行归一化相关系数计算，确定所述待测医学图像的所有权和嵌入的水印信息。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，通过PHTs-DCT变换对原始医学图像进行特征提取，具体包括：

利用DCT变换对原始医学图像进行降维，得到所述原始医学图像的第一系数矩阵；

对所述原始医学图像的第一系数矩阵进行PHTs变换，得到所述原始医学图像的近似系数；

对所述原始医学图像的近似系数进行DCT变换，得到所述原始医学图像的第二系数矩阵。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，利用哈希函数运算生成所述原始医学图像的特征序列，具体包括：

选取所述原始医学图像的第二系数矩阵低频处的4*8的矩阵构成新矩阵；

利用哈希函数运算生成32位所述原始医学图像的特征序列。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，对所述原始水印进行混沌置乱加密，得到混沌置乱水印，具体包括：

通过Logistic Map获取混沌序列；

对所述混沌序列利用哈希函数运算生成二值序列；

按照所述二值序列的顺序对原始水印的位置空间进行异或置乱，得到混沌置乱水印。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，根据得到的所述混沌置乱水印和生成的所述原始医学图像的特征序列，将水印信息嵌入至所述原始医学图像中，具体包括：

将生成的所述特征序列和得到的所述混沌置乱水印逐位进行异或运算，以将水印信息嵌入至所述原始医学图像中。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，通过PHTs-DCT变换对待测医学图像进行特征提取，具体包括：

对待测医学图像进行DCT变换，得到所述待测医学图像的第一系数矩阵；

对所述待测医学图像的第一系数矩阵进行PHTs变换，得到所述待测医学图像的近似系数；

对所述待测医学图像的近似系数进行DCT变换，得到所述待测医学图像的第二系数矩阵。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，利用哈希函数运算生成所述待测医学图像的特征序列，具体包括：

选取所述待测医学图像的第二系数矩阵低频处的4*8的矩阵构成新矩阵；

利用哈希函数运算生成32位所述待测医学图像的特征序列。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，根据所述待测医学图像的特征序列和保存的所述二值逻辑密钥序列，提取出加密水印，具体包括：

将所述待测医学图像的特征序列和保存的所述二值逻辑密钥序列进行异或运算，提取出加密水印。

优选地，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，对提取的所述加密水印进行解密，得到还原水印，具体包括：

按照所述二值序列的顺序对提取的所述加密水印的位置空间进行异或还原，得到还原水印。

从上述技术方案可以看出，本发明所提供的一种基于PHTs-DCT的医学图像鲁棒水印方法，包括：通过PHTs-DCT变换对原始医学图像进行特征提取，并利用哈希函数运算生成原始医学图像的特征序列；对原始水印进行混沌置乱加密，得到混沌置乱水印，并根据得到的混沌置乱水印和生成的原始医学图像的特征序列，将水印信息嵌入至原始医学图像中，同时获取二值逻辑密钥序列并保存；通过PHTs-DCT变换对待测医学图像进行特征提取，并利用哈希函数运算生成待测医学图像的特征序列；根据待测医学图像的特征序列和保存的二值逻辑密钥序列，提取出加密水印，并对提取的加密水印进行解密，得到还原水印；将原始水印和还原水印进行归一化相关系数计算，确定待测医学图像的所有权和嵌入的水印信息。

本发明提供的上述医学图像鲁棒水印方法，基于PHTs-DCT变换，兼顾了PHTs具有良好的均衡性及可区分性的优点和DCT抗常规攻击能力强、遍历性、鲁棒性等特点，对医学图像进行特征提取，并结合密码学、哈希函数和零水印技术，弥补了传统的数字水印方法不能对医学图像本身进行保护及对原图数据修改造成缺陷的缺点，可以保证医学图像的安全传输，水印的嵌入不改变原始加密体数据的内容，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全，可抗高斯噪声干扰、中值滤波、压缩、旋转、平移等几何攻击和常规攻击，适应了现今网络技术的实用化和规范化。

附图说明

为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的基于PHTs-DCT的医学图像鲁棒水印方法的流程图；

图2为本发明实施例提供的原始医学图像；

图3为本发明实施例提供的原始水印图像；

图4为本发明实施例提供的加密后的水印图像；

图5为本发明实施例提供的不加干扰时提取的水印；

图6为本发明实施例提供的高斯噪声干扰强度5％时的医学图像；

图7为本发明实施例提供的高斯噪声干扰强度5％时提取的水印；

图8为本发明实施例提供的压缩质量为40％的JPEG压缩时的医学图像；

图9为本发明实施例提供的压缩质量为40％的JPEG压缩时提取的水印；

图10为本发明实施例提供的窗口大小为[3x3]，滤波次数10次的中值滤波后的医学图像；

图11为本发明实施例提供的窗口大小为[3x3]，滤波次数10次的中值滤波后提取的水印；

图12为本发明实施例提供的窗口大小为[5x5]，滤波次数10次的中值滤波后的医学图像；

图13为本发明实施例提供的窗口大小为[5x5]，滤波次数10次的中值滤波后提取的水印；

图14为本发明实施例提供的顺时旋转10°的医学图像；

图15为本发明实施例提供的顺时旋转10°时提取的水印；

图16为本发明实施例提供的顺时旋转4°的医学图像；

图17为本发明实施例提供的顺时旋转4°时提取的水印；

图18为本发明实施例提供的缩放0.8倍的医学图像；

图19为本发明实施例提供的缩放0.8倍时提取的水印；

图20为本发明实施例提供的水平右移30％的医学图像；

图21为本发明实施例提供的水平右移30％时提取的水印；

图22为本发明实施例提供的垂直下移30％的医学图像；

图23为本发明实施例提供的垂直下移30％时提取的水印；

图24为本发明实施例提供的沿Y轴剪切3％的医学图像；

图25为本发明实施例提供的沿Y轴剪切3％时提取的水印；

图26为本发明实施例提供的沿X轴剪切18％后的医学图像；

图27为本发明实施例提供的沿X轴剪切18％时提取的水印。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种基于PHTs-DCT的医学图像鲁棒水印方法，如图1所示，包括以下步骤：

S101、通过PHTs-DCT变换对原始医学图像进行特征提取，并利用哈希函数运算生成原始医学图像的特征序列；

在实际应用中，在执行步骤S101之前，选择一个有意义的二值文本图像作为嵌入医学图像的原始水印，记为W＝{W(i,j)|W(i,j)＝0,1；1≤i≤M₁,1≤j≤M₂}，原始水印图像的大小为M₁*M₂，水印是为了保护病人的个人信息，可以把病人的个人信息隐藏在病人的医学图像中，从而实现在网络上的安全传输。同时，选取一个512*512的医学图像作为原始医学图像，记为I(i,j)；W(i,j)和I(i,j)分别表示原始水印和原始医学图像的像素灰度值；

S102、对原始水印进行混沌置乱加密，得到混沌置乱水印，并根据得到的混沌置乱水印和生成的原始医学图像的特征序列，将水印信息嵌入至原始医学图像中，同时获取二值逻辑密钥序列并保存；

S103、通过PHTs-DCT变换对待测医学图像进行特征提取，并利用哈希函数运算生成待测医学图像的特征序列；

可以理解的是，这里的待测医学图像可以认为是原始医学图像在网络传输的过程中可能受到高斯噪声干扰、中值滤波、压缩、旋转、平移等几何攻击或常规攻击后形成的医学图像；

S104、根据待测医学图像的特征序列和保存的二值逻辑密钥序列，提取出加密水印，并对提取的加密水印进行解密，得到还原水印；

S105、将原始水印和还原水印进行归一化相关系数计算，确定待测医学图像的所有权和嵌入的水印信息。

在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，主要包括基于PHTs-DCT的特征提取、水印加密、水印嵌入、水印提取和水印解密五大部分，基于PHTs-DCT变换，兼顾了PHTs具有良好的均衡性及可区分性的优点和DCT抗常规攻击能力强、遍历性、鲁棒性等特点，对医学图像进行特征提取，并结合密码学、哈希函数和零水印技术，弥补了传统的数字水印方法不能对医学图像本身进行保护及对原图数据修改造成缺陷的缺点，可以保证医学图像的安全传输，水印的嵌入不改变原始加密体数据的内容，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全，可抗高斯噪声干扰、中值滤波、压缩、旋转、平移等几何攻击和常规攻击，适应了现今网络技术的实用化和规范化。

需要说明的是，PHT(polar harmonic transforms，极坐标谐波变换)具有正交性、旋转不变性，且核函数形式简单，同时具有数值稳定性。

极坐标谐波变换由极坐标复指数变换(PCET)、极坐标余弦变换(PCT)和极坐标正弦变换(PST)组成。它们有相同的数学表示，但核函数的径向部分不同。f(r,θ)是定义在单位磁盘D＝{(r,θ)0≤r≤1,0≤θ≤2π}上的连续图像函。n阶和重复次数为m的PHTs公式如下：

其中，n,m＝0,±1,±2,...。核函数

是函数V_nm(r,θ)的复共轭，由如下公式决定：

V_nm(r,θ)＝R_n(r)e^jmθ

核函数的径向部分和参数λ表示为：

PCT和PST：

核函数的径向部分满足正交条件：

其中，如果n＝n'，δnn'＝1，否则δnn'＝0。

此外，完整的核函数V_nm(r,θ)满足正交条件：

另外，需要说明的是，二维离散余弦变换正变换(DCT)公式如下：

u＝0,1,...,M-1；v＝0,1,...,N-1

其中，f(x,y)为点(x,y)的像素值,F(u,v)是f(x,y)的2D-DCT变换系数，图像的大小为M*N。

在具体实施时，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，步骤S101通过PHTs-DCT变换对原始医学图像进行特征提取，具体可以包括：

首先，利用DCT变换对原始医学图像I(i,j)进行降维，得到原始医学图像的第一系数矩阵A(i,j)(如128*128)；

然后，对原始医学图像的第一系数矩阵A(i,j)进行PHTs变换，得到原始医学图像的近似系数AnmImg(i,j)；

[AnmReal,AnmImg]＝PHTs(A(i,j))

最后，对原始医学图像的近似系数进行DCT变换，得到原始医学图像的第二系数矩阵F₁(i,j)：

F₁(i,j)＝DCT2(AnmImg(i,j))

进一步地，在具体实施时，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，步骤S101利用哈希函数运算生成原始医学图像的特征序列，具体可以包括：首先，选取原始医学图像的第二系数矩阵F₁(i,j)低频处的4*8的矩阵构成新矩阵A₁(i,j)；然后，利用哈希函数运算生成32位原始医学图像的特征序列V(i,j)。

需要说明的是，由于大部分医学图像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像素或变换系数中，医学图像的轻微几何变换，常常导致像素值或变换系数值有较大变化，这样便会使嵌入的水印很轻易的受到攻击。如果能够找到反映图像几何特点的视觉特征向量，那么当图像发生几何变换时，该图像的视觉特征值不会发生明显的突变，就可以通过视觉特征向量的比对水印图像，从而完成水印信息认证。PHTs算法具有尺度不变性和旋转不变性，通过PHTs算法提取图像的近似系数(特征向量矩阵)，然后进行DCT变换，在变换后的矩阵的低频系数部分，选取一个4*8的矩阵，利用哈希函数可以得到一个二值序列，而该二值序列是稳定的。

根据人类视觉特性(HVS)，低中频信号对人的视觉影响较大，代表着医疗图像的主要特征。因此选取的医疗图像的PHTs-DCT变换后低频系数矩阵与均值的大小关系，低中频系数的个数选择与进行全图PHTs-DCT变换的原始医疗图像的大小、医疗图像之间的相关性有关，L值越小，相关性会增大。在后面的试验中，选取L的长度为32。

在具体实施时，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，步骤S102对原始水印进行混沌置乱加密，得到混沌置乱水印，具体可以包括：首先，根据初始值x₀，通过Logistic Map获取混沌序列X(j)；混沌系数的初值设为0.2，生长参数为4，迭代次数为1023；然后，对混沌序列X(j)利用哈希函数运算生成二值序列；最后，按照二值序列的顺序对原始水印W(i,j)的位置空间进行异或置乱，得到混沌置乱水印BW(i,j)。

需要说明的是，本发明是利用Logistic Map的性质对水印进行置乱加密，这里的Logistic Map是最著名的混沌映射之一，是一个具有混沌行为的简单动态非线性回归，其数学定义可以表示如下：

X_K+1＝μ·X_K·(1-X_K)

其中，X_K属于(0，1)，0<u≤4；实验表明当3.5699456<u≤4时，Logistic映射进入混沌状态，Logistic混沌序列可以作为理想的密钥序列。

本发明将零水印技术与感知哈希技术相结合，作为信息安全的一项技术，可以保证安全传输，也可以实现信息认证，在现实中具有实用用途。

在具体实施时，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，步骤S102根据得到的混沌置乱水印和生成的原始医学图像的特征序列，将水印信息嵌入至原始医学图像中，具体包括：将生成的特征序列V(i,j)和得到的混沌置乱水印BW(i,j)逐位进行异或运算，以将水印信息嵌入至原始医学图像中，同时获取二值逻辑密钥序列Key(i,j)：

保存Key(i,j)在第三方，在之后提取水印时要用到。通过将Key(i,j)作为密钥向第三方申请，可以获得原始医学图像的所有权和使用权，从而达到保护医学图像的目的。

在具体实施时，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，步骤S103通过PHTs-DCT变换对待测医学图像进行特征提取，并利用哈希函数运算生成待测医学图像的特征序列，具体可以包括：

首先，对待测医学图像I'(i,j)进行DCT变换，得到待测医学图像I'(i,j)的第一系数矩阵A'(i,j)；然后，对待测医学图像I'(i,j)的第一系数矩阵A'(i,j)进行PHTs变换，得到待测医学图像的近似系数AnmImg'(i,j)；之后，对待测医学图像的近似系数AnmImg'(i,j)进行DCT变换，得到待测医学图像I'(i,j)的第二系数矩阵F₁'(i,j)：

F₁'(i,j)＝DCT2(AnmImg'(i,j))

接下来，选取待测医学图像的第二系数矩阵F₁'(i,j)低频处的4*8的矩阵构成新矩阵A₁'(i,j)；然后，利用哈希函数运算生成32位待测医学图像的特征序列V'(i,j)。

在具体实施时，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，步骤S104根据待测医学图像的特征序列和保存的二值逻辑密钥序列，提取出加密水印，具体可以包括：将待测医学图像的特征序列V'(i,j)和保存的二值逻辑密钥序列Key(i,j)进行异或运算，提取出加密水印BW'(i,j)：

该算法在提取水印时只需要密钥Key(i,j)，不需要原始图像参与，是一种零水印提取算法。

进一步地，在具体实施时，在本发明实施例提供的上述基于PHTs-DCT的医学图像鲁棒水印方法中，步骤S104对提取的加密水印进行解密，得到还原水印，具体可以包括：与水印加密方法类似，得到相同的二值序列；按照二值序列的顺序对提取的加密水印BW'(i,j)的位置空间进行异或还原，得到还原水印W'(i,j)。

具体地，根据上述对各步骤的具体描述可以简单理解为：首先利用Logistic Map的性质对水印进行置乱加密；然后通过对医学图像进行PHTs-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；再通过对待测医学图像进行PHTs-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。

接下来就可以执行步骤S105通过计算W(i,j)和W'(i,j)的归一化相关系数NC，确定医学图像的所有权和嵌入的水印信息。

需要说明的是，采用归一化互相关(Normalized Cross-correlation,NC)方法测量嵌入的原始水印与提取的还原水印之间的数量相似性，定义为：

其中，W(i,j)表示原始水印图像的特征向量，其长度是32bit；W'(i,j)表示还原水印图像的特征向量，也是32bit。归一化相关系数是对两幅图像进行相似度衡量的一种方法，通过求归一化相关系数可以更加精确地用数据来客观评估图像的相似度。

另外，需要注意的是，本发明可以用峰值信噪比(PSNR)表示的图片的失真程度，当PSNR值越大，图片的失真度越小。

峰值信噪比的公式如下：

其中，图像每点的像素值为I(i,j)，图像的平均像素值为I'(i,j)，为方便运算，通常数字图像用像素方阵表示，即M＝N。峰值信噪比是一个表示信号最大可能功率和影响他的表示精度的破坏性噪声功率的比值的工程术语，通常采用峰值信噪比作为医疗图像质量的客观评价标准。

下面结合附图对本发明作进一步说明：如图2所示，实验测试的对象是512*512的头部医学图像，用I(i,j)表示，其中1≤i,j≤512。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},如图3所示，这里水印的大小为32*32。

首先对原始医学图像I(i,j)进行PHTs-DCT变换，考虑到鲁棒性和一次性嵌入水印的容量，在此取32个系数，即一个4*8的模块。设置混沌系数的初始值为0.2，增长参数是4，迭代次数是1023。然后对原始水印W(i,j)进行混沌置乱加密，图4示出了加密后的混沌置乱水印。在通过水印算法检测出W'(i,j)后，通过计算归一化相关系数NC来判断是否有水印嵌入，当其数值越接近1时，则相似度越高，从而判断算法的鲁棒性。用PSNR表示的图片的失真程度，当PSNR值越大，图片的失真度越小。

图5示出了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。

下面通过具体实例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。

第一、加入高斯噪声：使用imnoise()函数在水印中加入高斯噪声。

表一是水印抗高斯噪声干扰的实验数据。从表一中可以看到，当高斯噪声强度高达40％时，攻击之后的图像的PSNR降至8.20dB，这时提取的水印，相关系数NC＝0.74，仍能较准确得提取水印，并且整体数据均在0.60以上。这说明采用该发明可以抗高斯噪声。图6示出了高斯噪声强度5％时的医学图像；图7示出了高斯噪声强度5％时提取的水印，NC＝0.90。

表一 水印抗高斯噪声干扰数据

噪声强度(％)	1	5	10	15	20	30	40
								PSNR(dB)	20.47	14.32	11.86	10.59	9.78	8.79	8.20
NC	0.89	0.90	0.81	0.90	0.81	0.81	0.74

第二、JPEG压缩处理

采用图像压缩质量百分数作为参数对头部医学图像进行JPEG压缩；表二为水印抗JPEG压缩的实验数据。当压缩质量为10％，这时图像质量较低，仍然可以提取出水印，NC＝0.90。图8示出了压缩质量为40％的医学图像；图9示出了压缩质量为40％提取的水印，NC＝0.90。

表二 水印抗JPEG压缩实验数据

压缩质量(％)	1	5	10	20	30	40	60	80
									PSNR(dB)	26.28	28.44	31.29	33.81	34.83	35.46	36.42	37.82
NC	0.90	0.90	0.90	0.90	0.90	0.90	0.90	1.00

第三、中值滤波处理

表三为医学图像的水印抗中值滤波能力，从表三中看出，当中值滤波参数为[7x7]，滤波重复次数为10时，仍然可以测得水印的存在，NC＝0.90。图10示出了中值滤波参数为[3x3]，滤波重复次数为10的医学图像，图像已出现模糊；图11示出了中值滤波参数为[3x3]，滤波重复次数为10时提取的水印，NC＝0.90，可以提取水印。图12示出了中值滤波参数为[5x5]，滤波重复次数为10的医学图像；图13示出了中值滤波参数为[5x5]，滤波重复次数为10时提取的水印，NC＝0.90，可以提取水印。

表三 水印抗中值滤波实验数据

第四、旋转变换

表四为水印抗旋转攻击实验数据。从表四中可以看到当图像顺时旋转18°时，NC＝0.63，仍然可以提取水印。图14示出了顺时旋转10°的医学图像；图15示出了顺时旋转10°提取的水印，NC＝0.90，可以准确地提取水印。图16示出了顺时旋转4°的医学图像；图17示出了顺时旋转4°提取的水印，NC＝0.90，可以准确地提取水印。

表四 水印抗旋转攻击实验数据

旋转度数°	2	4	6	8	10	12	14	16	18
										PSNR(dB)	22.36	19.02	17.24	16.21	15.60	15.22	14.96	14.80	14.68
NC	0.81	0.90	0.90	0.90	0.90	0.74	0.67	0.90	0.63

第五、缩放变换

表五为医学图像的水印抗缩放攻击实验数据，从表五可以看到当缩放因子小至0.3时，相关系数NC＝0.90，可提取出水印。图18示出了缩放后的医学图像(缩放因子为0.8)；图19示出了缩放攻击后提取的水印，NC＝0.90，可以准确得提取出水印。

表五 水印抗缩放攻击实验数据

第六、平移变换

表六是水印抗平移变换实验数据。从表六中得知图像数据水平向右移动30％时，NC＝0.81，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20示出了医学图像水平右移30％后的图像；图21示出了水平右移30％后提取的水印，可以准确提取水印，NC＝0.81。图22示出了医学图像垂直下移30％后的图像；图23示出了垂直下移30％后提取的水印，可以准确提取水印，NC＝0.90。

表六 水印抗平移变换实验数据

第七、剪切攻击

表七为水印抗Y轴剪切攻击实验数据，从表七中可以看到，当沿坐标轴Y剪切医学图像，剪切量为4％时，NC值大于0.5，仍然可以提取水印，说明该水印算法有较强的抗Y轴剪切攻击能力。图24示出了沿Y轴剪切3％后的医学图像；图25示出了沿Y轴剪切3％后提取的水印，可以准确得提取水印，NC＝0.90。

表七 水印抗Y轴方向剪切攻击实验数据

Y方向剪切(％)	0.5	1	1.5	2	2.5	3	3.5	4
									NC	0.90	0.90	0.90	0.90	1.00	0.90	0.79	0.65

表八为水印抗X轴方向剪切攻击实验数据，从表八中可以看到，当沿坐标轴X剪切医学图像，剪切量为21％时，NC值大于0.5，仍然可以提取水印，说明该水印算法有较强的抗剪切攻击能力。图26示出了沿X轴剪切18％后的医学图像；图27示出了沿X轴剪切18％后提取的水印，可以准确得提取水印，NC＝0.72。

表八 水印抗X轴剪切攻击实验数据

X方向剪切(％)	3	6	9	12	15	18	21
								NC	0.89	0.90	0.79	0.90	0.74	0.72	0.56

从上述描述可知，本发明基于PHTs-DCT的医学图像数字水印技术，有较好的鲁棒性，针对高斯噪声、JPEG压缩处理、中值滤波处理等常规攻击，以及针对旋转变换、缩放变换、平移变换、剪切攻击等几何攻击，仍然可以准确得提取水印，具有较强的抗常规攻击和抗几何攻击的能力。

专业人员可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

本发明实施例提供的一种基于PHTs-DCT的医学图像鲁棒水印方法，包括：通过PHTs-DCT变换对原始医学图像进行特征提取，并利用哈希函数运算生成原始医学图像的特征序列；对原始水印进行混沌置乱加密，得到混沌置乱水印，并根据得到的混沌置乱水印和生成的原始医学图像的特征序列，将水印信息嵌入至原始医学图像中，同时获取二值逻辑密钥序列并保存；通过PHTs-DCT变换对待测医学图像进行特征提取，并利用哈希函数运算生成待测医学图像的特征序列；根据待测医学图像的特征序列和保存的二值逻辑密钥序列，提取出加密水印，并对提取的加密水印进行解密，得到还原水印；将原始水印和还原水印进行归一化相关系数计算，确定待测医学图像的所有权和嵌入的水印信息。上述基于PHTs-DCT变换的医学图像数字水印方法，兼顾了PHTs具有良好的均衡性及可区分性的优点和DCT抗常规攻击能力强、遍历性、鲁棒性等特点，对医学图像进行特征提取，并结合密码学、哈希函数和零水印技术，弥补了传统的数字水印方法不能对医学图像本身进行保护及对原图数据修改造成缺陷的缺点，可以保证医学图像的安全传输，水印的嵌入不改变原始加密体数据的内容，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全，可抗高斯噪声干扰、中值滤波、压缩、旋转、平移等几何攻击和常规攻击，适应了现今网络技术的实用化和规范化。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的基于PHTs-DCT的医学图像鲁棒水印方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，包括：

通过PHTs-DCT变换对原始医学图像进行特征提取，并利用哈希函数运算生成所述原始医学图像的特征序列；

对原始水印进行混沌置乱加密，得到混沌置乱水印，并根据得到的所述混沌置乱水印和生成的所述原始医学图像的特征序列，将水印信息嵌入至所述原始医学图像中，同时获取二值逻辑密钥序列并保存；

通过PHTs-DCT变换对待测医学图像进行特征提取，并利用哈希函数运算生成所述待测医学图像的特征序列；

根据所述待测医学图像的特征序列和保存的所述二值逻辑密钥序列，提取出加密水印，并对提取的所述加密水印进行解密，得到还原水印；

将所述原始水印和所述还原水印进行归一化相关系数计算，确定所述待测医学图像的所有权和嵌入的水印信息。

2.根据权利要求1所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，通过PHTs-DCT变换对原始医学图像进行特征提取，具体包括：

利用DCT变换对原始医学图像进行降维，得到所述原始医学图像的第一系数矩阵；

对所述原始医学图像的第一系数矩阵进行PHTs变换，得到所述原始医学图像的近似系数；

对所述原始医学图像的近似系数进行DCT变换，得到所述原始医学图像的第二系数矩阵。

3.根据权利要求2所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，利用哈希函数运算生成所述原始医学图像的特征序列，具体包括：

选取所述原始医学图像的第二系数矩阵低频处的4*8的矩阵构成新矩阵；

利用哈希函数运算生成32位所述原始医学图像的特征序列。

4.根据权利要求3所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，对所述原始水印进行混沌置乱加密，得到混沌置乱水印，具体包括：

通过Logistic Map获取混沌序列；

对所述混沌序列利用哈希函数运算生成二值序列；

按照所述二值序列的顺序对原始水印的位置空间进行异或置乱，得到混沌置乱水印。

5.根据权利要求4所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，根据得到的所述混沌置乱水印和生成的所述原始医学图像的特征序列，将水印信息嵌入至所述原始医学图像中，具体包括：

将生成的所述特征序列和得到的所述混沌置乱水印逐位进行异或运算，以将水印信息嵌入至所述原始医学图像中。

6.根据权利要求1所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，通过PHTs-DCT变换对待测医学图像进行特征提取，具体包括：

对待测医学图像进行DCT变换，得到所述待测医学图像的第一系数矩阵；

对所述待测医学图像的第一系数矩阵进行PHTs变换，得到所述待测医学图像的近似系数；

对所述待测医学图像的近似系数进行DCT变换，得到所述待测医学图像的第二系数矩阵。

7.根据权利要求6所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，利用哈希函数运算生成所述待测医学图像的特征序列，具体包括：

选取所述待测医学图像的第二系数矩阵低频处的4*8的矩阵构成新矩阵；

利用哈希函数运算生成32位所述待测医学图像的特征序列。

8.根据权利要求7所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，根据所述待测医学图像的特征序列和保存的所述二值逻辑密钥序列，提取出加密水印，具体包括：

将所述待测医学图像的特征序列和保存的所述二值逻辑密钥序列进行异或运算，提取出加密水印。

9.根据权利要求4所述的基于PHTs-DCT的医学图像鲁棒水印方法，其特征在于，对提取的所述加密水印进行解密，得到还原水印，具体包括：

按照所述二值序列的顺序对提取的所述加密水印的位置空间进行异或还原，得到还原水印。

Images