CN112907427B - 基于DWT-Gabor的加密医学图像鲁棒水印方法 - Google Patents

基于DWT-Gabor的加密医学图像鲁棒水印方法 Download PDF

Info

Publication number
CN112907427B
CN112907427B CN202110178614.9A CN202110178614A CN112907427B CN 112907427 B CN112907427 B CN 112907427B CN 202110178614 A CN202110178614 A CN 202110178614A CN 112907427 B CN112907427 B CN 112907427B
Authority
CN
China
Prior art keywords
medical image
watermark
encrypted
encrypted medical
dwt
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.)
Active
Application number
CN202110178614.9A
Other languages
English (en)
Other versions
CN112907427A (zh
Inventor
李京兵
肖锡梁
刘婧
黄梦醒
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.)
Hainan University
Original Assignee
Hainan 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 Hainan University filed Critical Hainan University
Priority to CN202110178614.9A priority Critical patent/CN112907427B/zh
Publication of CN112907427A publication Critical patent/CN112907427A/zh
Application granted granted Critical
Publication of CN112907427B publication Critical patent/CN112907427B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06F21/6263—Protecting personal data, e.g. for financial or medical purposes during internet communication, e.g. revealing personal data from cookies
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0052—Embedding of the watermark in the frequency domain

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请公开了一种基于DWT‑Gabor的加密医学图像鲁棒水印方法，包括：利用DWT‑DCT算法结合Tent序列对原始医学图像进行加密；在DWT‑Gabor变换下，提取加密医学图像的特征向量，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，并根据混沌置乱水印和特征序列，将水印信息嵌入至加密医学图像中，同时获取逻辑密钥并保存；同理生成待测加密医学图像的视觉特征序列；根据视觉特征序列和逻辑密钥，提取出加密水印，并对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，确定原始医学图像的所有权和嵌入的水印信息。这样能够有效保护病人的隐私信息和医学图像的数据安全。

Description

基于DWT-Gabor的加密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DWT-Gabor的加密医学图像鲁棒水印方法。
背景技术
随着科技的进步，社会的发展，人类社会已经步入信息化时代，但是也带来了一些问题，那就是信息在传输过程中的安全问题，尤其是对于一些私密，重要的信息，在传输过程中的安全问题亟待解决。医学图像处理领域就是一个鲜明的例子，大量的医学图像在网络中传输和共享过程中可能会遭受篡改，盗用等一系列的问题，这就需要对加密医学图像进行加密处理，将患者信息以水印形式嵌入在医学图像内，提高安全技术，保证数据在传输过程中既能保证安全传输，又能实现信息认证，在实际应用中具有十分重要的用途。
数字水印技术的发展为版权保护，信息安全，信息隐藏等方面带来了长足的进步，虽然传统的数字水印算法都具有一定的不可见和鲁棒性，但是该类算法均对图像数据进行了修改，多少会对图像的质量造成损伤。
因此，如何对医学图像进行加密传输以及如何在加密医学图像中嵌入数字鲁棒水印，保证医学数据的安全性，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DWT-Gabor的加密医学图像鲁棒水印方法，可以保证医学图像在互联网上的安全传输，避免被篡改医疗数据，有效保护病人的隐私信息。其具体方案如下：
一种基于DWT-Gabor的加密医学图像鲁棒水印方法，包括：
利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像；
在DWT-Gabor变换下，对所述加密医学图像进行特征向量提取，生成所述加密医学图像的特征序列；
对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，并根据所述混沌置乱水印和所述加密医学图像的特征序列，将水印信息嵌入至所述加密医学图像中，同时获取逻辑密钥并保存在第三方；
在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成所述待测加密医学图像的视觉特征序列；
根据所述待测加密医学图像的视觉特征序列和所述逻辑密钥，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，确定所述原始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DWT-Gabor的加密医学图像鲁棒水印方法中，利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像，具体包括：
对原始医学图像进行一层DWT分解，得到具有近似系数和细节系数的四组DCT系数，并对四组DCT系数分别做DCT变换；
由Tent映射生成实值序列，并构成与分解后同样大小的矩阵，将该矩阵与四组DCT系数分别进行点乘得到新的四组DCT系数；
将得到的新的四组DCT系数进行逆DCT变换和逆DWT变换，得到加密医学图像。
优选地，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，在DWT-Gabor变换下，对所述加密医学图像进行特征向量提取，生成所述加密医学图像的特征序列，具体包括：
对所述加密医学图像进行三级DWT变换，提取所述加密医学图像的低频近似系数；
利用Gabor函数生成不同尺度不同方向的Gabor滤波核，通过所述Gabor滤波核对所述加密医学图像的低频近似系数进行滤波处理，得到所述加密医学图像在不同尺度不同方向上的特征矩阵；
求取所述加密医学图像在不同尺度不同方向上的特征矩阵的均值，并对同一尺度不同方向的均值进行降序排序，构成相应的矩阵；在该矩阵中，每一行代表的是同一尺度排好序的不同方向上的特征均值，不同行代表的是不同尺度；
从第一列开始读取32位均值数据，若前一数据的值大于后一个数据的值，则判定为1，否则为0，生成所述加密医学图像的32位特征序列。
优选地，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，具体包括：
通过Logistic Map生成混沌序列；
将所述混沌序列利用哈希函数生成二值序列；
按照所述二值序列的顺序对原始水印中的像素位置空间进行异或置乱，得到加密后的混沌置乱水印。
优选地，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，根据所述混沌置乱水印和所述加密医学图像的特征序列，将水印信息嵌入至所述加密医学图像中，具体包括：
将所述加密医学图像的特征序列和所述混沌置乱水印逐位进行异或运算，将水印信息嵌入至所述加密医学图像中。
优选地，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成所述待测加密医学图像的视觉特征序列，具体包括：
对待测加密医学图像进行三级DWT变换，提取所述待测加密医学图像的低频近似系数；
通过所述Gabor滤波核对所述待测加密医学图像的低频近似系数进行滤波处理，得到所述待测加密医学图像在不同尺度不同方向上的特征矩阵；
求取所述待测加密医学图像在不同尺度不同方向上的特征矩阵的均值，并对同一尺度不同方向的均值进行降序排序，构成相应的矩阵；在该矩阵中，每一行代表的是同一尺度排好序的不同方向上的特征均值，不同行代表的是不同尺度；
从第一列开始读取32位均值数据，若前一数据的值大于后一个数据的值，则判定为1，否则为0，生成所述待测加密医学图像的视觉特征序列。
优选地，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，根据所述待测加密医学图像的视觉特征序列和所述逻辑密钥，提取出加密水印，具体包括：
将所述待测加密医学图像的视觉特征序列和所述逻辑密钥进行异或运算，提取出加密水印。
优选地，在本发明实施例提供的上述基于DWT-Gabor的加密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：对提取的所述加密水印进行解密，得到还原水印，具体包括：
通过Logistic Map生成所述混沌序列；
将所述混沌序列利用哈希函数生成所述二值序列；
按照所述二值序列的顺序对所述加密水印中的像素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DWT-Gabor的加密医学图像鲁棒水印方法，包括：利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像；在DWT-Gabor变换下，对加密医学图像进行特征向量提取，生成加密医学图像的特征序列；对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，并根据混沌置乱水印和加密医学图像的特征序列，将水印信息嵌入至加密医学图像中，同时获取逻辑密钥并保存在第三方；在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成待测加密医学图像的视觉特征序列；根据待测加密医学图像的视觉特征序列和逻辑密钥，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，确定原始医学图像的所有权和嵌入的水印信息。
本发明提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法，包括基于DWT-DCT的医学图像加密，基于DWT-Gabor的特征向量提取、水印加密、水印嵌入、水印提取和水印解密六大部分，利用DWT-DCT结合Tent Map在频域对医学图像进行加密，与此同时利用Logistic Map的性质在空域对水印进行置乱加密，然后用DWT-Gabor提取加密医学图像特征并构成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，再通过对待测加密医学图像进行DWT-Gabor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，这样可以将原始医学图像的信息经过加密处理被隐藏，并利用零水印的不可见性和鲁棒性等特点，把病人的个人信息隐藏在加密医学图像中，以保证它在互联网上的安全传输，避免被篡改医疗数据，高效地弥补了传统的数字水印方法不能对原始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，能够有效保护病人的隐私信息和医学图像的数据安全。
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DWT-Gabor的加密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离散小波变换DWT的原理示意图；
图3a为本发明实施例提供的偏移x轴30°的正弦函数的示意图；
图3b为本发明实施例提供的高斯核函数的示意图；
图3c为本发明实施例提供的图3a和图3b对应的Gabor filter的示意图；
图4为本发明实施例提供的原始医学图像；
图5为本发明实施例提供的加密医学图像；
图6为本发明实施例提供的解密后医学图像；
图7为本发明实施例提供的原始水印图像；
图8为本发明实施例提供的加密后的水印图像；
图9为本发明实施例提供的不加干扰时提取的水印；
图10为本发明实施例提供的高斯噪声干扰强度10％时的加密医学图像；
图11为本发明实施例提供的高斯噪声干扰强度10％时提取的水印；
图12为本发明实施例提供的压缩质量为1％的JPEG压缩时的加密医学图像；
图13为本发明实施例提供的压缩质量为1％的JPEG压缩时提取的水印；
图14为本发明实施例提供的窗口大小为[3x3]，滤波次数30次的中值滤波后的加密医学图像；
图15为本发明实施例提供的窗口大小为[3x3]，滤波次数30次的中值滤波后提取的水印；
图16为本发明实施例提供的窗口大小为[7x7]，滤波次数30次的中值滤波后的加密医学图像；
图17为本发明实施例提供的窗口大小为[7x7]，滤波次数30次的中值滤波后提取的水印；
图18为本发明实施例提供的顺时针旋转10°的加密医学图像；
图19为本发明实施例提供的顺时针旋转10°时提取的水印；
图20为本发明实施例提供的顺时针旋转20°的加密医学图像；
图21为本发明实施例提供的顺时针旋转20°时提取的水印；
图22为本发明实施例提供的缩放2倍的加密医学图像；
图23为本发明实施例提供的缩放2倍时提取的水印；
图24为本发明实施例提供的水平右移25％的加密医学图像；
图25为本发明实施例提供的水平右移25％时提取的水印；
图26为本发明实施例提供的垂直下移25％的加密医学图像；
图27为本发明实施例提供的垂直下移25％时提取的水印；
图28为本发明实施例提供的沿Y轴剪切20％的加密医学图像；
图29为本发明实施例提供的沿Y轴剪切20％时提取的水印；
图30为本发明实施例提供的沿X轴剪切20％的加密医学图像；
图31为本发明实施例提供的沿X轴剪切20％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DWT-Gabor的加密医学图像鲁棒水印方法，如图1所示，包括以下步骤：
S101、利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像。
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，M1和M2分别为原始水印图像的尺寸长宽，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。
需要了解的是，离散小波变换(DWT)包括一维离散小波变换和二维离散小波变换；其中，一维离散小波变换是将离散的输入信号分别通过低通滤波器和高通滤波器，在对其进行降采样，从而得到小波变换的低频部分和高频部分。低频部分集中了信号的主要能量，保留了信号的主要信息，为信号的近似；高频部分保留的是信号的细节特征，为信号的细节。如图2所示，二维离散小波变换是对图像的每一行进行1D-DWT，获得原始图像在水平方向上的低频分量L和高频分量H，然后对变换所得数据的每一列进行1D-DWT，获得原始图像在水平和垂直方向上的低频分量LL、水平方向上的低频和垂直方向上的高频LH、水平方向上的高频和垂直方向上的低频HL以及水平和垂直方向上的的高频分量HH。低频系数部分近似于图像本身，反映图像主要轮廓信息，而高频部分反映的是图像细节信息。
离散余弦变换(DCT)的工作原理是将图像分成不同频率，包含低频，高频和中频系数的部分。离散余弦变换是基于实数的正交变换。DCT域的计算量较小，具有很强的“能量集中”特性：大多数的自然信号(包括声音和图像)的能量都集中在离散余弦变换后的低频部分，易于提取视觉特征向量，且与国际流行的数据压缩标准(JPEG、MPEG、H261/263)兼容，便于在压缩域中实现。二维离散余弦变换正变换(DCT)公式如下：
Figure BDA0002941502880000071
u＝0,1,…,M-1；v＝0,1,…,N-1
Figure BDA0002941502880000081
其中，x，y是空间采样频域；u，v是频域采样值，它们通常由数字图像处理中的像素方阵表示，即M＝N，图像的大小为M*N；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。
S102、在DWT-Gabor变换下，对加密医学图像进行特征向量提取，生成加密医学图像的特征序列。
需要说明的是，Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似。它在提取目标的局部空间和频率域信息方面具有良好的特性。虽然Gabor小波本身并不能构成正交基，但在特定参数下可构成紧框架。Gabor小波对于图像的边缘敏感，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感,能够提供对光照变化良好的适应性。上述特点使Gabor小波被广泛应用于视觉信息理解。与传统的傅立叶变换相比，Gabor小波变换具有良好的时频局部化特性。即非常容易地调整Gabor滤波器的方向、基频带宽及中心频率从而能够最好的兼顾信号在时空域和频域中的分辨能力；Gabor小波变换具有多分辨率特性即变焦能力。即采用多通道滤波技术，将一组具有不同时频域特性的Gabor小波应用于图像变换，每个通道都能够得到输入图像的某种局部特性，这样可以根据需要在不同粗细粒度上分析图像。此外，在特征提取方面，Gabor小波变换与其它方法相比：一方面其处理的数据量较少，能满足系统的实时性要求；另一方面，小波变换对光照变化不敏感，且能容忍一定程度的图像旋转和变形。
如图3a至图3c所示，Gabor是有高斯核函数与复正弦函数调制而成，可以看出正弦函数是如何在空间上具有局部性的。
二维Gabor函数的表达式为：
Complex
Figure BDA0002941502880000082
Real
Figure BDA0002941502880000091
Imaginary
Figure BDA0002941502880000092
Where
x'＝xcosθ+ysinθ
y'＝-xsinθ+ycosθ
其中，λ为正弦函数的波长，θ为核函数方向，φ为相位偏移，σ为高斯标准差，γ为x，y两个方向的纵横比(指定了Gabor函数的椭圆率)。通过改变λ和θ可以生成不同尺度和不同方向的Gabor滤波器。将这些滤波器分别对图像进行滤波可以得到该图像不同的纹理特征。
S103、对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，并根据混沌置乱水印和加密医学图像的特征序列，将水印信息嵌入至加密医学图像中，同时获取逻辑密钥并保存在第三方。
需要说明的是，零水印技术是利用图像的重要特征来与水印信息结合，而不是修改图像的数据，该技术更好地解决了水印的可感知性和鲁棒性之间的矛盾，这就使得零水印方法对版权的保护更加有效。因此，在数字图像被广泛应用于网络传输中的情况下，在针对医学图像数字水印算法的研究变得极为重要；通过独特的不可见性，鲁棒性等特点，保护患者的隐私，并且零水印可以避免被篡改的医疗数据，从而实现远程医疗诊断所需的相关患者信息。
S104、在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成待测加密医学图像的视觉特征序列。
可以理解的是，这里的待测加密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。
S105、根据待测加密医学图像的视觉特征序列和逻辑密钥，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。
S106、将原始水印和还原水印进行归一化相关系数计算，确定原始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DWT-Gabor的加密医学图像鲁棒水印方法中，包括基于DWT-DCT的医学图像加密，基于DWT-Gabor的特征向量提取、水印加密、水印嵌入、水印提取和水印解密六大部分，利用DWT-DCT结合Tent Map在频域对医学图像进行加密，与此同时利用Logistic Map的性质在空域对水印进行置乱加密，然后用DWT-Gabor提取加密医学图像特征并构成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，再通过对待测加密医学图像进行DWT-Gabor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，这样可以将原始医学图像的信息经过加密处理被隐藏，并利用零水印的不可见性和鲁棒性等特点，把病人的个人信息隐藏在加密医学图像中，以保证它在互联网上的安全传输，避免被篡改医疗数据，高效地弥补了传统的数字水印方法不能对原始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，能够有效保护病人的隐私信息和医学图像的数据安全。
进一步地，在具体实施时，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，步骤S101利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像，具体可以包括：
步骤一、对原始医学图像进行一层DWT分解，得到具有近似系数和细节系数的四组DCT系数，并对四组DCT系数分别做DCT变换；需要说明的是，“近似系数”代表医疗图像的低频特性，反映的是医疗图像的主要轮廓；“细节系数”代表医疗图像的高频特性，反映的是医疗图像的细节信息；该四组DCT系数包括LL、HL、LH、HH，分别代表低频近似系数、水平高频系数、垂直高频系数和对角高频系数；
步骤二、由Tent映射生成实值序列，并设置阈值，取一段合适的值进行1，-1判定，构成与分解后同样大小的矩阵，将该矩阵与四组DCT系数分别进行点乘得到新的四组DCT系数；
步骤三、将得到的新的四组DCT系数进行逆DCT变换和逆DWT变换，得到加密医学图像Ie。
在具体实施时，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，步骤S102在DWT-Gabor变换下，对加密医学图像进行特征向量提取，生成加密医学图像的特征序列，具体可以包括：首先，对加密医学图像Ie进行三级DWT变换，提取加密医学图像Ie的低频近似系数LL3；然后，利用Gabor函数生成不同尺度(频率)不同方向的Gabor滤波核(Gabor滤波器组)Guv，通过Gabor滤波核对加密医学图像的低频近似系数LL3进行滤波处理，得到加密医学图像在不同尺度不同方向上的u×v组特征矩阵Huv(i,j)(U代表尺度数量，一般为5；V代表方向数量，一般为8)：
Huv(i,j)＝Guv*LL3(u＝1,2,...,U；v＝1,2,...,V)
由于Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似，它在提取目标的局部空间和频率域信息方面具有良好的特性，能够抓住图像局部区域内多个方向的空间频率(尺度)和局部性结构特征，所以，将这些生成的Gabor滤波核对加密医学图像三级分解后得到的低频近似系数进行滤波可以得到不同尺度(频率)、不同方向上图像特征；
之后，求取加密医学图像在不同尺度不同方向上的特征矩阵Huv(i,j)的均值，并为了减少旋转攻击对算法的影响，对同一尺度不同方向的均值进行降序排序，构成相应的矩阵M(u,v)；在该矩阵M(u,v)中，每一行代表的是同一尺度排好序的不同方向上的特征均值，不同行代表的是不同尺度；
从第一列开始读取矩阵M(u,v)中32位均值数据，若前一数据的值大于后一个数据的值，则判定为1，否则为0，生成加密医学图像的32位特征序列V(i,j)。
需要注意的是，目前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，那么当图像发生小的几何变换时，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。Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似，对于图像的边缘敏感，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感,能够提供对光照变化良好的适应性。由于Gabor小波具有优良的空间局部性和方向选择性，能够抓住图像局部区域内多个方向的空间频率(尺度)和局部性结构特征，所以可以使用Gabor滤波来抽取图像的纹理信息。通过实验数据发现，将医疗图像的Gabor变换和DWT变换相结合，可以找到一个抗几何攻击的特征向量。当对一个医疗图像进行常规的几何变换时，Gabor滤波依旧能够抽取保留下来的在不同尺度和方向上相同的图像特征。本发明中，利用DWT-DCT先对图像加密，然后对加密后图像进行三层DWT分解，提取其低频近似部分信息，在对该系数矩阵进行Gabor变换，提取其在不同方向和尺度上的图像特征，求取特征矩阵的均值作为图像特征，最后对同一尺度下不同方向上的均值进行降序排序，从第一列开始前后对比进行0、1判定，得到一个32的二值序列，经测试，该二值序列比较稳定。
需要了解的是，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。因此选取的加密医疗图像的视觉特征向量是低中频系数的符号，低中频系数的个数选择与进行全图DWT-Gabor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。较佳地，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DWT-Gabor的加密医学图像鲁棒水印方法中，步骤S103对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，具体可以包括：首先，根据初始值x0，通过Logistic Map生成混沌序列X(j)；然后，将混沌序列X(j)利用哈希函数生成二值序列；最后，按照二值序列的顺序对原始水印中的像素位置空间进行异或置乱，得到加密后的混沌置乱水印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：
XK+1＝μ·XK·(1-XK)
其中，XK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。
在具体实施时，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，步骤S103根据混沌置乱水印和加密医学图像的特征序列，将水印信息嵌入至加密医学图像中，同时获取逻辑密钥并保存在第三方，具体可以包括：将加密医学图像的特征序列V(i,j)和混沌置乱水印BW(i,j)逐位进行异或运算，便可将水印信息嵌入至加密医学图像中，同时得到逻辑密钥Key(i,j)：
Key(i,j)＝V(i,j)⊕BW(i,j)；
保存Key(i,j)，这在后面提取水印时要用到。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DWT-Gabor的加密医学图像鲁棒水印方法中，步骤S104在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成待测加密医学图像的视觉特征序列，具体包括：首先，采用与步骤S102同样的方法对待测加密医学图像Ie'(i,j)进行三级DWT变换，提取待测加密医学图像Ie'(i,j)的低频近似系数；然后，通过生成的与步骤S102相同的Gabor滤波核对待测加密医学图像Ie'(i,j)的低频近似系数进行滤波处理，得到待测加密医学图像Ie'(i,j)在不同尺度不同方向上的特征矩阵；之后，求取待测加密医学图像Ie'(i,j)在不同尺度不同方向上的特征矩阵的均值，并对同一尺度不同方向的均值进行降序排序，构成相应的矩阵；在该矩阵中，每一行代表的是同一尺度排好序的不同方向上的特征均值，不同行代表的是不同尺度；从第一列开始读取32位均值数据，若前一数据的值大于后一个数据的值，则判定为1，否则为0，生成待测加密医学图像Ie'(i,j)的视觉特征序列V'(i,j)。
在具体实施时，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，步骤S105根据待测加密医学图像的视觉特征序列和逻辑密钥，提取出加密水印，具体可以包括：将待测加密医学图像Ie'(i,j)的视觉特征序列V'(i,j)和逻辑密钥Key(i,j)进行异或运算，提取出加密水印BW'(i,j)：
BW'(i,j)＝Key(i,j)⊕V'(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。
在具体实施时，在本发明实施例提供的上述基于DWT-Gabor的加密医学图像鲁棒水印方法中，步骤S106对提取的加密水印进行解密，得到还原水印，具体包括：对提取的加密水印进行解密，得到还原水印，具体可以包括：首先，与水印加密方法类似，根据相同的初始值x0，通过Logistic Map生成混沌序列X(j)；将混沌序列X(j)利用哈希函数生成二值序列；然后，按照二值序列的顺序对加密水印BW'(i,j)中的像素位置空间进行异或还原，得到还原水印BW'(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：考虑到对原始医学图像的保护，先对原始医学图像进行加密处理；然后基于DWT和Gabor提取加密医学图像特征向量，利用DWT变换对加密医学图像进行分解，利用不同尺度不同方向的Gabor滤波核提取分解后低频近似系数矩阵在不同尺度和方向上的纹理特征，并求取每个系数矩阵的均值来代替其在不同尺度和不同方向上的特征；之后，找到这些均值之间的稳定的关系来形成能够代表该加密医学图像的特征向量，与水印结合，具有较高的鲁棒性和不可见性。医学图像作为一类特殊图像，要求原始数据具有完整性。本发明由于采用零水印嵌入技术，很好地解决了传统的水印嵌入技术对原图数据修改造成的缺陷，保证了医学图像的质量。利用第三方的概念，适应了现今网络技术的实用化和规范化。
接下来就可以执行步骤S106通过计算W(i,j)和W'(i,j)的归一化相关系数NC，确定原始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：
Figure BDA0002941502880000141
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：
Figure BDA0002941502880000142
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4所示，实验测试的对象是512×512的肩关节原始医学图像，用I(i,j)表示，其中1≤i,j≤512。图5示出了加密医学图像，图6示出了加密后医学图像。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7所示，这里水印的大小为32×32。
首先利用DWT-DCT算法结合Tent序列对图像进行变换域加密，然后对加密后的医学图像进行三级DWT变换，提取加密医学图像的“近似系数”和“细节系数”。利用Gabor函数生成不同尺度、不同方向上的Gabor滤波核，将这些生成的Gabor滤波核对加密医学图像三级分解后得到的‘近似系数’进行滤波并求滤波后系数均值。求取不同方向不同尺度下特征矩阵的均值，为了减少旋转攻击对算法的影响，对同一尺度不同方向的均值进行排序，构成的矩阵中，每一行代表的是同一尺度排好序的不同方向上的特征均值，不同行代表的是不同的尺度，从第一列开始读取32位数据，进行0,1判定得到32位的特征序列。设置混沌系数的初始值为0.2，增长参数是4，迭代次数是32。然后对原始水印W(i,j)进行混沌置乱加密，图8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9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25％时，攻击之后的图像的PSNR降至8.98dB，这时提取的水印，相关系数NC＝0.73，仍能较准确得提取水印，并且整体数据均在0.7以上。这说明采用该发明可以抗高斯噪声。图10示出了高斯噪声强度10％时的医学图像；图11示出了高斯噪声强度10％时提取的水印，NC＝0.85。
表一水印抗高斯噪声干扰数据
噪声强度(％) 1 5 10 15 20 25
PSNR(dB) 20.01 13.42 11.15 10.05 9.43 8.98
NC 0.87 0.87 0.85 0.81 0.79 0.73
第二、JPEG压缩处理
采用图像压缩质量百分数作为参数对加密医学图像进行JPEG压缩；表二为水印抗JPEG压缩的实验数据。当压缩质量为1％，这时图像质量较低，仍然可以提取出水印，NC＝1.00。图12示出了压缩质量为1％的医学图像；图13示出了压缩质量为1％提取的水印，NC＝1.00，可以准确提取水印。
表二水印抗JPEG压缩实验数据
压缩质量(％) 1 5 10 15 20 25 30
PSNR(dB) 25.58 28.18 31.53 33.20 34.32 35.14 35.75
NC 1.00 0.91 1.00 1.00 0.87 0.87 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30时，仍然可以测得水印的存在，NC＝0.87。图14示出了中值滤波参数为[3x3]，滤波重复次数为30的医学图像，图像已出现模糊；图15示出了中值滤波参数为[3x3]，滤波重复次数为30时提取的水印，NC＝0.91，可以提取水印。图16示出了中值滤波参数为[7x7]，滤波重复次数为30的医学图像；图17示出了中值滤波参数为[7x7]，滤波重复次数为30时提取的水印，NC＝0.87，可以提取水印。
表三水印抗中值滤波实验数据
Figure BDA0002941502880000161
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20°时，NC＝0.74，仍然可以提取水印。图18示出了顺时旋转10°的医学图像；图19示出了顺时旋转10°提取的水印，NC＝0.87，可以准确地提取水印。图20示出了顺时旋转20°的医学图像；图21示出了顺时旋转20°提取的水印，NC＝0.74，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° 1° 5° 10° 15° 20°
PSNR(dB) 23.95 17.24 15.09 14.00 13.38
NC 0.83 0.75 0.87 0.80 0.74
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0.5时，相关系数NC＝0.60，可提取出水印。图22示出了缩放后的医学图像(缩放因子为2)；图23示出了缩放攻击后提取的水印，NC＝0.87，可以准确得提取出水印。
表五水印抗缩放攻击实验数据
缩放因子 0.5 0.8 1.0 1.2 1.5 2
NC 0.60 0.95 1.00 0.74 0.87 0.87
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移动25％时，NC值都高于0.80，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24示出了医学图像水平右移25％后的图像；图25示出了水平右移25％后提取的水印，可以准确提取水印，NC＝0.91。图26示出了医学图像垂直下移20％后的图像；图27示出了垂直下移20％后提取的水印，可以准确提取水印，NC＝0.87。
表六水印抗平移变换实验数据
Figure BDA0002941502880000171
Figure BDA0002941502880000172
Figure BDA0002941502880000181
第七、剪切攻击
表七为水印抗剪切攻击实验数据，从表七中可以看到，当沿坐标轴X剪切医学图像，剪切量为25％时，NC值为0.81，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28示出了沿Y轴剪切15％后的医学图像；图29示出了沿Y轴剪切15％后提取的水印，可以准确得提取水印，NC＝0.87。图30示出了沿X轴剪切15％后的医学图像；图31示出了沿X轴剪切15％后提取的水印，可以准确得提取水印，NC＝0.91。
表七水印抗Y轴方向剪切攻击实验数据
X方向剪切(％) 5 10 15 20 25
NC 0.91 0.82 0.91 0.82 0.76
Y方向剪切(％) 5 10 15 20 25
NC 0.87 0.78 0.87 0.78 0.69
从上述描述可知，本发明基于DWT-Gabor的加密医学图像数字水印方法，对于常规攻击和几何攻击有较好的鲁棒性，针对旋转、平移、剪切等几何攻击尤为突出，但对于缩放效果较差。本发明的水印嵌入不会改变原始加密数据的内容，是一种零水印技术。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
专业人员还可以进一步意识到，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DWT-Gabor的加密医学图像鲁棒水印方法，包括：利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像；在DWT-Gabor变换下，对加密医学图像进行特征向量提取，生成加密医学图像的特征序列；对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，并根据混沌置乱水印和加密医学图像的特征序列，将水印信息嵌入至加密医学图像中，同时获取逻辑密钥并保存在第三方；在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成待测加密医学图像的视觉特征序列；根据待测加密医学图像的视觉特征序列和逻辑密钥，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，确定原始医学图像的所有权和嵌入的水印信息。上述方法包括基于DWT-DCT的医学图像加密，基于DWT-Gabor的特征向量提取、水印加密、水印嵌入、水印提取和水印解密六大部分，利用DWT-DCT结合Tent Map在频域对医学图像进行加密，与此同时利用Logistic Map的性质在空域对水印进行置乱加密，然后用DWT-Gabor提取加密医学图像特征并构成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，再通过对待测加密医学图像进行DWT-Gabor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，这样可以将原始医学图像的信息经过加密处理被隐藏，并利用零水印的不可见性和鲁棒性等特点，把病人的个人信息隐藏在加密医学图像中，以保证它在互联网上的安全传输，避免被篡改医疗数据，高效地弥补了传统的数字水印方法不能对原始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，能够有效保护病人的隐私信息和医学图像的数据安全。
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DWT-Gabor的加密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 (7)

1.一种基于DWT-Gabor的加密医学图像鲁棒水印方法，其特征在于，包括：
利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像；
对所述加密医学图像进行三级DWT变换，提取所述加密医学图像的低频近似系数；
利用Gabor函数生成不同尺度不同方向的Gabor滤波核，通过所述Gabor滤波核对所述加密医学图像的低频近似系数进行滤波处理，得到所述加密医学图像在不同尺度不同方向上的特征矩阵；
求取所述加密医学图像在不同尺度不同方向上的特征矩阵的均值，并对同一尺度不同方向的均值进行降序排序，构成相应的矩阵；在该矩阵中，每一行代表的是同一尺度排好序的不同方向上的特征均值，不同行代表的是不同尺度；
从第一列开始读取32位均值数据，若前一数据的值大于后一个数据的值，则判定为1，否则为0，生成所述加密医学图像的32位特征序列；
对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，并根据所述混沌置乱水印和所述加密医学图像的特征序列，将水印信息嵌入至所述加密医学图像中，同时获取逻辑密钥并保存在第三方；
在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成所述待测加密医学图像的视觉特征序列；
根据所述待测加密医学图像的视觉特征序列和所述逻辑密钥，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，确定所述原始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DWT-Gabor的加密医学图像鲁棒水印方法，其特征在于，利用DWT-DCT算法结合Tent序列对原始医学图像进行变换域加密，得到加密医学图像，具体包括：
对原始医学图像进行一层DWT分解，得到具有近似系数和细节系数的四组DCT系数，并对四组DCT系数分别做DCT变换；
由Tent映射生成实值序列，并构成与分解后同样大小的矩阵，将该矩阵与四组DCT系数分别进行点乘得到新的四组DCT系数；
将得到的新的四组DCT系数进行逆DCT变换和逆DWT变换，得到加密医学图像。
3.根据权利要求2所述的基于DWT-Gabor的加密医学图像鲁棒水印方法，其特征在于，对原始水印进行混沌置乱加密，得到加密后的混沌置乱水印，具体包括：
通过Logistic Map生成混沌序列；
将所述混沌序列利用哈希函数生成二值序列；
按照所述二值序列的顺序对原始水印中的像素位置空间进行异或置乱，得到加密后的混沌置乱水印。
4.根据权利要求3所述的基于DWT-Gabor的加密医学图像鲁棒水印方法，其特征在于，根据所述混沌置乱水印和所述加密医学图像的特征序列，将水印信息嵌入至所述加密医学图像中，具体包括：
将所述加密医学图像的特征序列和所述混沌置乱水印逐位进行异或运算，将水印信息嵌入至所述加密医学图像中。
5.根据权利要求4所述的基于DWT-Gabor的加密医学图像鲁棒水印方法，其特征在于，在DWT-Gabor变换下，对待测加密医学图像进行特征向量提取，生成所述待测加密医学图像的视觉特征序列，具体包括：
对待测加密医学图像进行三级DWT变换，提取所述待测加密医学图像的低频近似系数；
通过所述Gabor滤波核对所述待测加密医学图像的低频近似系数进行滤波处理，得到所述待测加密医学图像在不同尺度不同方向上的特征矩阵；
求取所述待测加密医学图像在不同尺度不同方向上的特征矩阵的均值，并对同一尺度不同方向的均值进行降序排序，构成相应的矩阵；在该矩阵中，每一行代表的是同一尺度排好序的不同方向上的特征均值，不同行代表的是不同尺度；
从第一列开始读取32位均值数据，若前一数据的值大于后一个数据的值，则判定为1，否则为0，生成所述待测加密医学图像的视觉特征序列。
6.根据权利要求5所述的基于DWT-Gabor的加密医学图像鲁棒水印方法，其特征在于，根据所述待测加密医学图像的视觉特征序列和所述逻辑密钥，提取出加密水印，具体包括：
将所述待测加密医学图像的视觉特征序列和所述逻辑密钥进行异或运算，提取出加密水印。
7.根据权利要求6所述的基于DWT-Gabor的加密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：
通过Logistic Map生成所述混沌序列；
将所述混沌序列利用哈希函数生成所述二值序列；
按照所述二值序列的顺序对所述加密水印中的像素位置空间进行异或还原，得到还原水印。
CN202110178614.9A 2021-02-09 2021-02-09 基于DWT-Gabor的加密医学图像鲁棒水印方法 Active CN112907427B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110178614.9A CN112907427B (zh) 2021-02-09 2021-02-09 基于DWT-Gabor的加密医学图像鲁棒水印方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110178614.9A CN112907427B (zh) 2021-02-09 2021-02-09 基于DWT-Gabor的加密医学图像鲁棒水印方法

Publications (2)

Publication Number Publication Date
CN112907427A CN112907427A (zh) 2021-06-04
CN112907427B true CN112907427B (zh) 2022-07-26

Family

ID=76123126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110178614.9A Active CN112907427B (zh) 2021-02-09 2021-02-09 基于DWT-Gabor的加密医学图像鲁棒水印方法

Country Status (1)

Country Link
CN (1) CN112907427B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111968025A (zh) * 2020-08-19 2020-11-20 海南大学 基于Bandelet-DCT医学图像鲁棒零水印方法
CN111988490A (zh) * 2020-08-19 2020-11-24 海南大学 基于Tetrolet-DCT的医学图像鲁棒水印方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150003511A1 (en) * 2010-11-26 2015-01-01 Christopher Carmichael WEAV Video Super Compression System
CN102945543A (zh) * 2012-11-19 2013-02-27 海南大学 一种基于DWT-DCT和Logistic Map的医学图像鲁棒水印方法
CN103279919A (zh) * 2013-06-21 2013-09-04 海南大学 基于三维dwt-dct和混沌置乱的体数据水印方法
CN104867100A (zh) * 2015-06-18 2015-08-26 海南大学 云环境下一种加密医学图像鲁棒多水印实现方法
EP3430795A1 (en) * 2016-03-14 2019-01-23 Koninklijke Philips N.V. Saturation processing specification for dynamic range mappings
CN108876696A (zh) * 2018-06-07 2018-11-23 海南大学 一种基于sift-dct的医学图像鲁棒水印方法
CN111988492B (zh) * 2020-08-19 2023-12-22 海南大学 一种基于Gabor-DCT的医学图像鲁棒水印方法
CN111968026A (zh) * 2020-08-19 2020-11-20 海南大学 一种基于PHTs-DCT的医学图像鲁棒水印方法
CN111988491A (zh) * 2020-08-19 2020-11-24 海南大学 一种基于kaze-dct的医学图像鲁棒水印方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111968025A (zh) * 2020-08-19 2020-11-20 海南大学 基于Bandelet-DCT医学图像鲁棒零水印方法
CN111988490A (zh) * 2020-08-19 2020-11-24 海南大学 基于Tetrolet-DCT的医学图像鲁棒水印方法

Also Published As

Publication number Publication date
CN112907427A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
Hamidi et al. Hybrid blind robust image watermarking technique based on DFT-DCT and Arnold transform
Subhedar et al. Image steganography using redundant discrete wavelet transform and QR factorization
CN111988492B (zh) 一种基于Gabor-DCT的医学图像鲁棒水印方法
Mohananthini et al. Comparison of multiple watermarking techniques using genetic algorithms
CN111968025A (zh) 基于Bandelet-DCT医学图像鲁棒零水印方法
Jayashree et al. A Robust Image Watermarking Scheme Using Z-Transform, Discrete Wavelet Transform and Bidiagonal Singular Value Decomposition.
Banoci et al. A novel method of image steganography in DWT domain
CN110517182B (zh) 一种基于nsct组合变换的医学图像零水印嵌入方法
CN113160029B (zh) 一种基于感知哈希和数据增强的医学图像数字水印方法
CN110517181B (zh) 基于Hough组合变换的医学图像零水印嵌入方法
CN111968026A (zh) 一种基于PHTs-DCT的医学图像鲁棒水印方法
Liu et al. Robust blind image watermarking based on chaotic mixtures
CN111988490B (zh) 基于Tetrolet-DCT的医学图像鲁棒水印方法
Mulani et al. An approach for robust digital image watermarking using DWT‐PCA
CN110211020B (zh) 基于swt-dft的图像水印嵌入与提取方法
Kukreja et al. Copyright protection scheme for color images using extended visual cryptography
Gaur et al. A RDWT and block-SVD based dual watermarking scheme for digital images
CN111988491A (zh) 一种基于kaze-dct的医学图像鲁棒水印方法
CN112907427B (zh) 基于DWT-Gabor的加密医学图像鲁棒水印方法
Rawat et al. A chaos-based robust watermarking algorithm for rightful ownership protection
CN112907426A (zh) 一种基于PHTs-DCT的加密医学图像数字水印方法
Boujemaa et al. Fragile watermarking of medical image for content authentication and security
CN116342357A (zh) 一种基于lpt-dct的医学图像鲁棒水印方法
Hou et al. An IPR protection scheme based on wavelet transformation and visual cryptography
Mehta et al. Sub-band discrete cosine transform-based greyscale image watermarking using general regression neural network

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