CN113160029B - 一种基于感知哈希和数据增强的医学图像数字水印方法 - Google Patents
一种基于感知哈希和数据增强的医学图像数字水印方法 Download PDFInfo
- Publication number
- CN113160029B CN113160029B CN202110350359.1A CN202110350359A CN113160029B CN 113160029 B CN113160029 B CN 113160029B CN 202110350359 A CN202110350359 A CN 202110350359A CN 113160029 B CN113160029 B CN 113160029B
- Authority
- CN
- China
- Prior art keywords
- medical image
- feature
- watermark
- original
- sequence
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Editing Of Facsimile Originals (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种基于感知哈希和数据增强的医学图像数字水印方法,包括:对原始医学图像分别进行DCT变换和SIFT‑DCT变换的特征提取,并利用感知哈希建立原始医学图像的特征数据集;对原始水印进行Logistic混沌加密,嵌入水印信息且获取逻辑密钥集;同理建立待测医学图像的特征数据集;将待测医学图像的特征数据集和逻辑密钥集进行异或运算,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,确定原始医学图像的所有权和读取嵌入的水印信息。上述方法通过将数据增强、感知哈希、密码学和零水印技术结合,语义保持性较好,在常规攻击和几何攻击方面均表现出较好的鲁棒性和不可见性。
Description
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感知哈希和数据增强的医学图像数字水印方法。
背景技术
随着信息化技术的高速发展,智能医学和远程诊断技术日趋成熟,医疗诊断已经开始活跃在“云端”,再加上网络技术的日益完善,“云端”诊断后的医疗信息(病人的一些诸如姓名、性别、年龄、诊断报告、医学诊断图等包含病人隐私的信息)将会通过网络传播与交流,在未来的日子将会愈加便捷与便利,然而随之而来的便是信息的随意篡改、泄露、复制等问题,这些问题的背后便是一系列对于信息安全、版权问题、隐私泄露的深深担忧。并且医学图像数据具有独有的特点,医学图像是医务人员对病患的病情进行了解和诊断的一个重要信息来源,因此,业界对用于医学诊断的医学数据的质量要求非常严格,一般不允许对医学数据做任何修改和调整,另外医学图像的获取往往要付出很大的代价,临床上普通的一次CT、MRI、PET的检查费用都要上百,甚至近千元。因此,任何可能对医学图像造成损失的操作都是不可取的,而数字零水印技术的诞生正好弥补了这个缺口。
数字零水印技术作为一种新的安全手段,可以对信息化的产物进行安全认证和版权保护,对于现如今的医疗资源的所有权的保护、认定、连带利益和责任的控制和保护有着得天独厚的优势,可以高效防止非法用户截取、篡改和非法拷贝医学图像,这使得医学图像在防伪领域上的应用深度和广度都有了很大的提高。并且零水印更加可以很好地保护医学图像不被破坏。
但是,现如今的零水印算法,有的对几何攻击鲁棒性好,有的对传统攻击鲁棒性好,却不能同时兼顾二者攻击,因为传统攻击和几何攻击所攻击的位置,攻击特性完全不同,很少能有某个特定零水印算法,能同时很好的抵抗住两种类型的攻击。
发明内容
有鉴于此,本发明的目的在于提供一种基于感知哈希和数据增强的医学图像数字水印方法,可以在常规攻击和几何攻击方面均表现出较好的鲁棒性和不可见性,很好地保护病人的隐私信息。其具体方案如下:
一种基于感知哈希和数据增强的医学图像数字水印方法,包括:
对原始医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述原始医学图像的数据增强特征集;
将所述原始医学图像的数据增强特征集利用感知哈希分别对应生成所述原始医学图像的特征二值序列并建立所述原始医学图像的特征数据集;
对原始水印进行Logistic混沌加密,得到加密后的混沌置乱水印,并将所述原始医学图像的特征数据集和所述混沌置乱水印进行逐位异或运算,获取逻辑密钥集且嵌入水印信息;
对待测医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述待测医学图像的数据增强特征集;
将所述待测医学图像的数据增强特征集利用感知哈希分别对应生成所述待测医学图像的特征二值序列并建立所述待测医学图像的特征数据集;
将所述待测医学图像的特征数据集和所述逻辑密钥集进行异或运算,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读取嵌入的水印信息。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,对原始医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述原始医学图像的数据增强特征集,具体包括:
将原始医学图像进行DCT变换的特征提取,获得第一数据增强特征序列;
将所述原始医学图像进行SIFT-DCT变换的特征提取,获得第二数据增强特征序列;所述第一数据增强特征序列和所述第二数据增强特征序列组成所述原始医学图像的数据增强特征集。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,将所述原始医学图像的数据增强特征集利用感知哈希分别对应生成所述原始医学图像的特征二值序列并建立所述原始医学图像的特征数据集,具体包括:
选取所述第一数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第一特征二值序列;
选取所述第二数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第二特征二值序列;所述第一特征二值序列和所述第二特征二值序列组成所述原始医学图像的特征数据集。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,对原始水印进行Logistic混沌加密,得到加密后的混沌置乱水印,具体包括:
通过Logistic Map产生混沌序列;
将生成的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医学图像数字水印方法中,将所述原始医学图像的特征数据集和所述混沌置乱水印进行逐位异或运算,获取逻辑密钥集,具体包括:
将所述第一特征二值序列和所述混沌置乱水印进行逐位异或运算,得到第一密钥;
将所述第二特征二值序列和所述混沌置乱水印进行逐位异或运算,得到第二密钥;所述第一密钥和所述第二密钥组成逻辑密钥集。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,在获取逻辑密钥集之后,还包括:
将所述逻辑密钥集作为密钥向第三方申请,将水印信息注册到IPR信息库中。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,对待测医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述待测医学图像的数据增强特征集,具体包括:
将待测医学图像进行DCT变换的特征提取,获得第三数据增强特征序列;
将所述待测医学图像进行SIFT-DCT变换的特征提取,获得第四数据增强特征序列;所述第三数据增强特征序列和所述第四数据增强特征序列组成所述待测医学图像的数据增强特征集。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,将所述待测医学图像的数据增强特征集利用感知哈希分别对应生成所述待测医学图像的特征二值序列并建立所述待测医学图像的特征数据集,具体包括:
选取所述第三数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第三特征二值序列;
选取所述第四数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第四特征二值序列;所述第三特征二值序列和所述第四特征二值序列组成所述待测医学图像的特征数据集。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,将所述待测医学图像的特征数据集和所述逻辑密钥集进行异或运算,提取出加密水印,具体包括:
将所述第三特征二值序列和所述第一密钥进行异或运算,提取出第一加密水印;
将所述第四特征二值序列和所述第二密钥进行异或运算,提取出第二加密水印;
将所述第一加密水印和所述第二加密水印通过比较判别器进行判别后,得到加密水印。
优选地,在本发明实施例提供的上述医学图像数字水印方法中,对提取的所述加密水印进行解密,得到还原水印,具体包括:
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提取的所述加密水印进行逐位异或,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感知哈希和数据增强的医学图像数字水印方法,包括:对原始医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得原始医学图像的数据增强特征集;将原始医学图像的数据增强特征集利用感知哈希分别对应生成原始医学图像的特征二值序列并建立原始医学图像的特征数据集;对原始水印进行Logistic混沌加密,得到加密后的混沌置乱水印,并将原始医学图像的特征数据集和混沌置乱水印进行逐位异或运算,获取逻辑密钥集且嵌入水印信息;对待测医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得待测医学图像的数据增强特征集;将待测医学图像的数据增强特征集利用感知哈希分别对应生成待测医学图像的特征二值序列并建立待测医学图像的特征数据集;将待测医学图像的特征数据集和逻辑密钥集进行异或运算,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读取嵌入的水印信息。
本发明提供的上述方法通过将数据增强、感知哈希、密码学和零水印技术结合,具有较低的时间复杂度,得到的码字具有较高的效率,语义保持性较好,高效地弥补了传统的数字水印方法不能兼顾抗传统攻击和几何攻击的缺点,并且上述方法在常规攻击和几何攻击方面均表现出较好的鲁棒性和不可见性,能很好地保护病人的隐私信息,且保证医学图像的原始质量。
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感知哈希和数据增强的医学图像数字水印方法的流程图;
图2为本发明实施例提供的获取原始医学图像的特征数据集的流程示意图;
图3为本发明实施例提供的嵌入水印和获取逻辑密钥集的流程示意图;
图4为本发明实施例提供的获取待测医学图像的特征数据集的流程示意图;
图5为本发明实施例提供的提取与判别水印的流程示意图;
图6为本发明实施例提供的原始医学图像;
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混沌置乱水印图像;
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40%时的医学图像;
图11为本发明实施例提供的高斯噪声干扰强度40%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[5x5],滤波次数20次的中值滤波后的医学图像;
图15为本发明实施例提供的窗口大小为[5x5],滤波次数20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20次的中值滤波后的医学图像;
图17为本发明实施例提供的窗口大小为[7x7],滤波次数20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32°的医学图像;
图21为本发明实施例提供的顺时针旋转32°时提取的水印;
图22为本发明实施例提供的缩放0.2倍的医学图像;
图23为本发明实施例提供的缩放0.2倍时提取的水印;
图24为本发明实施例提供的水平左移25%的医学图像;
图25为本发明实施例提供的水平左移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X轴剪切20%的医学图像;
图29为本发明实施例提供的沿X轴剪切20%时提取的水印;
图30为本发明实施例提供的沿Y轴剪切20%的医学图像;
图31为本发明实施例提供的沿Y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感知哈希和数据增强的医学图像数字水印方法,如图1所示,包括以下步骤:
S101、对原始医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得原始医学图像的数据增强特征集。
在实际应用中,在执行步骤S101之前,嵌入医学图像的原始水印为一个有意义的二值文本图像,记为W={W(i,j)|W(i,j)=0,1;1≤i≤M1,1≤j≤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,在本实施例中可选取一个512*512的医学图像作为原始医学图像,记为Img(i,j);W(i,j)和Img(i,j)分别表示原始水印和原始医学图像的像素灰度值。
S102、将原始医学图像的数据增强特征集利用感知哈希分别对应生成原始医学图像的特征二值序列并建立原始医学图像的特征数据集。
需要说明的是,感知哈希技术是以多媒体感知特征为不变量,符合人类感知模型,更准确地实现多媒体感知内容的分析和保护。步骤S101和步骤S102是在变换域中对原始医学图像Img(i,j)进行基于数据增强的DCT和SIFT-DCT的感知哈希的特征向量提取,获得原始医学图像的特征数据集。通过采用数据增强的形式扩大特征数据集,可以很好的提高水印的鲁棒性上,并且采用感知哈希,通过感知哈希得到的哈希值可作为嵌入和提取水印的辅助信息,并将依赖于图像内容的哈希值作为密钥来生成水印,二者结合,大幅度提高了水印同时抗几何攻击和传统攻击的鲁棒性。
S103、对原始水印进行Logistic混沌加密,得到加密后的混沌置乱水印,并将原始医学图像的特征数据集和混沌置乱水印进行逐位异或运算,获取逻辑密钥集且嵌入水印信息。
S104、对待测医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得待测医学图像的数据增强特征集。
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;
S105、将待测医学图像的数据增强特征集利用感知哈希分别对应生成待测医学图像的特征二值序列并建立待测医学图像的特征数据集。
S106、将待测医学图像的特征数据集和逻辑密钥集进行异或运算,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。
S107、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读取嵌入的水印信息。
在本发明实施例提供的上述医学图像数字水印方法中,通过将数据增强、感知哈希、密码学和零水印技术结合,具有较低的时间复杂度,得到的码字具有较高的效率,语义保持性较好,高效地弥补了传统的数字水印方法不能兼顾抗传统攻击和几何攻击的缺点,并且该方法在常规攻击和几何攻击方面均表现出较好的鲁棒性和不可见性,能很好地保护病人的隐私信息,且保证医学图像的原始质量。
在本实施例中,首先采用数据增强的方法通过DCT变换和SIFT-DCT变换对全图建立特征向量数据集;然后在对所要嵌入的信息进行Logistic混沌加密并结合Hash函数、“第三方概念”和图像视觉特征向量数据集,构造零水印,实现了所构造的数字零水印的图像的抗几何、常规攻击和加密处理。本发明实施例提供的上述医学图像数字水印方法包括基于数据增强的DCT和SIFT-DCT的感知哈希的原始医学图像特征向量集的构造、水印混沌置乱加密、水印嵌入、水印提取和水印解密与还原五大部分。
在具体实施时,在本发明实施例提供的上述医学图像数字水印方法中,步骤S101对原始医学图像Img(i,j)分别进行DCT(离散余弦变换)和SIFT-DCT(尺度不变特征变换和离散余弦变换)的特征提取,获得原始医学图像Img(i,j)的数据增强特征集,如图2所示,具体可以包括:首先,将原始医学图像Img(i,j)进行DCT变换的特征提取,获得第一数据增强特征序列VDCT(i,j)=DCT(Img(i,j));然后,将原始医学图像Img(i,j)进行SIFT-DCT变换的特征提取,获得第二数据增强特征序列VSift-DCT(i,j)=SIFI-DCT(Img(i,j));第一数据增强特征序列VDCT(i,j)和第二数据增强特征序列VSift-DCT(i,j)组成原始医学图像Img(i,j)的数据增强特征集。
需要说明的是,SIFT(sale invariant feature transform,尺度不变特征变换)算子对旋转、平移、缩放以及投影变换具有理想的鲁棒性,是用于图像处理领域的一种描述,这种描述具有尺度不变性,可在图像中检测出关键点,是一种局部特征描述算子,该算子实现特征匹配主要有以下三个流程:第一、提取关键点:关键点是一些十分突出的不会因光照、尺度、旋转等因素而消失的点,比如角点、边缘点、暗区域的亮点以及亮区域的暗点;此步骤是搜索所有尺度空间上的图像位置;通过高斯微分函数来识别潜在的具有尺度和旋转不变的兴趣点;第二、定位关键点并确定特征方向:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度;关键点的选择依据于它们的稳定程度;然后基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向;所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性;第三、通过各关键点的特征向量,进行两两比较找出相互匹配的若干对特征点,建立景物间的对应关系。
另外,需要说明的是,DCT(离散余弦变换)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(2D-DCT)公式如下:
u=0,1,...,M-1;v=0,1,...,N-1;
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。
进一步地,在具体实施时,在本发明实施例提供的上述医学图像数字水印方法中,在通过步骤S101构造出不同类型的数据增强集之后,步骤S102将原始医学图像Img(i,j)的数据增强特征集利用感知哈希分别对应生成原始医学图像Img(i,j)的特征二值序列并建立原始医学图像Img(i,j)的特征数据集,如图2所示,具体可以包括:选取第一数据增强特征序列VDCT(i,j)中左上角低频系数模块,利用感知哈希对应生成第一特征二值序列;选取第二数据增强特征序列VSift-DCT(i,j)中左上角低频系数模块,利用感知哈希对应生成第二特征二值序列;第一特征二值序列和第二特征二值序列组成原始医学图像Img(i,j)的特征数据集Vec(i,j)。
可以理解的是,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。因此在经过对图像进行数据增强的特征提取时,可选择低频部分的数据,低中频系数的个数选择还与进行全图数据增强特征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。在实际应用中,选取的左上角低频处为能量最集中的区域,可以选取4*8系数矩阵,此时得到的第三特征二值序列和第四特征二值序列均为32位,即选取L的长度为32。当然,L的长度也可以是其它选择,根据实际情况而定,在此不做限定。
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医学图像数字水印方法中,步骤S103对原始水印W(i,j)进行Logistic混沌加密,得到加密后的混沌置乱水印EW(i,j),具体可以包括:首先,根据初始值x0,通过Logistic Map产生混沌序列X(j);其中混沌系数的初值设为0.2,生长参数为4,迭代次数为1024;然后,将生成的混沌序列X(j)利用哈希函数生成二值序列;之后,按照二值序列的顺序对原始水印W(i,j)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EW(i,j)。
在具体实施时,在本发明实施例提供的上述医学图像数字水印方法中,步骤S103将原始医学图像Img(i,j)的特征数据集Vec(i,j)和混沌置乱水印EW(i,j)进行逐位异或运算,获取逻辑密钥集Key(i,j),如图3所示,具体可以包括:首先,将第一特征二值序列和混沌置乱水印EW(i,j)进行逐位异或运算,得到第一密钥Key1(i,j);然后,将第二特征二值序列和混沌置乱水印EW(i,j)进行逐位异或运算,得到第二密钥Key2(i,j);第一密钥和第二密钥组成逻辑密钥集Key(i,j):
Key(i,j)=Key1(i,j)∪Key2(i,j)。
将特征数据集Vec(i,j)和混沌置乱水印EW(i,j)进行逐位异或运算,便可将水印嵌入到医学图像中,即零水印,并同时得到并保存逻辑密钥集Key(i,j),在之后提取水印时要用到Key(i,j)。在执行步骤S103获取逻辑密钥集之后,可以将Key(i,j)作为密钥向第三方申请,将水印信息注册到IPR信息库中,进而能够获得原始医学图像Img(i,j)的所有权和使用权,从而达到保护医学图像的目的。
可以理解的是,本发明对所要嵌入的水印信息进行Logistic混沌加密并结合哈希函数、“第三方概念”和图像视觉特征向量,构造零水印,可实现所构造的数字零水印的图像的抗几何、常规攻击和加密处理。
同理,在具体实施时,在本发明实施例提供的上述医学图像数字水印方法中,步骤S104对待测医学图像Img′(i,j)分别进行DCT(离散余弦变换)和SIFT-DCT(尺度不变特征变换和离散余弦变换)的特征提取,获得待测医学图像Img′(i,j)的数据增强特征集,如图4所示,具体可以包括:首先,将待测医学图像Img′(i,j)进行DCT变换的特征提取,获得第三数据增强特征序列V′DCT(i,j)=DCT(Img(i,j));然后,将待测医学图像Img′(i,j)进行SIFT-DCT变换的特征提取,获得第四数据增强特征序列V′Sift-DCT(i,j)=SIFI-DCT(Img(i,j));第三数据增强特征序列V′DCT(i,j)和第四数据增强特征序列V′Sift-DCT(i,j)组成待测医学图像Img′(i,j)的数据增强特征集。
在具体实施时,在本发明实施例提供的上述医学图像数字水印方法中,步骤S105将待测医学图像Img′(i,j)的数据增强特征集利用感知哈希分别对应生成待测医学图像Img′(i,j)的特征二值序列并建立待测医学图像Img′(i,j)的特征数据集,如图4所示,具体可以包括:选取第三数据增强特征序列V′DCT(i,j)中左上角(能量最集中的区域)低频系数模块,利用感知哈希对应生成第三特征二值序列;选取第四数据增强特征序列V′Sift-DCT(i,j)中左上角低频系数模块,利用感知哈希对应生成第四特征二值序列;第三特征二值序列和第四特征二值序列组成待测医学图像Img′(i,j)的特征数据集Vec′(i,j)。在实际应用中,选取的左上角低频处为能量最集中的区域,可以选取4*8系数矩阵,此时得到的第三特征二值序列和第四特征二值序列均为32位,也就是说,分别选取左上角低频4*8系数模块,通过感知哈希可得到待测医学图像的特征数据集Vec′(i,j),实现了待测医学图像视觉特征序列的提取。
在具体实施时,在本发明实施例提供的上述医学图像数字水印方法中,步骤S106将待测医学图像Img′(i,j)的特征数据集Vec′(i,j)和逻辑密钥集Key(i,j)进行异或运算,提取出加密水印如图5所示,具体可以包括:首先,将第三特征二值序列和第一密钥Key1(i,j)进行异或运算,提取出第一加密水印;然后,将第四特征二值序列和第二密钥Key2(i,j)进行异或运算,提取出第二加密水印;最后,将第一加密水印和第二加密水印通过比较判别器进行判别后,得到加密水印EW′(i,j)。该方法在提取水印时只需要密钥Key(i,j),不需要原始医学图像参与,是一种零水印提取算法。需要说明的是,比较判别器的判别方式可以有多种,如比较清晰度,比较分辨率等,在此不做限定。
在具体实施时,在本发明实施例提供的上述医学图像数字水印方法中,步骤S106对提取的加密水印进行解密,得到还原水印,具体可以包括:首先根据已知的初始值x0、混沌系数的初值、生长参数和迭代次数,与加密过程保持一致,通过Logistic Map生成相同的混沌序列X(j);将混沌序列X(j)利用哈希函数生成相同的二值序列;按照二值序列的顺序对提取的加密水印EW′(i,j)进行逐位异或,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:首先对原始医学图像Img(i,j)进行数据增强即分别进行DCT变换和SIFT-DCT变换的特征提取获取特征集,然后利用感知哈希,分别对应生成32位医学图像的特征二值序列并建立强鲁棒特征数据集Vec(i,j);之后利用Logistic Map的性质在频域对水印进行置乱加密,结合零水印的方法用所建立的图片特征集进行水印的嵌入与提取,水印嵌入后所得到的的密钥可以存于第三方,用来保证图片的版权和水印的安全。
接下来就可以执行步骤S107通过计算原始水印W(i,j)和还原水印W'(i,j)的归一化相关系数NC,通过NC系数的高低可以确定原始医学图像的所有权,并且读取嵌入的水印信息。
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W(i,j)与还原水印W'(i,j)之间的数量相似性,定义为:
其中,W(i,j)表示原始水印W(i,j)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。
下面结合附图对本发明作进一步说明:如图6所示,实验测试的对象是512*512的腹部医学图像,用Img(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7所示,这里水印的大小为32*32。
首先采用数据增强的方法对全图进行DCT变换和SIFT-DCT变换,然后利用感知哈希,对应分别生成32位医学图像的特征二值序列并建立数据集Vec(i,j)。接下来设置混沌系数的初始值为0.2,增长参数是4,迭代次数是1024。然后对原始水印W(i,j)进行Logistic混沌加密,加密后的混沌置乱水印EW(i,j)见图8。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40%时,攻击之后的图像的PSNR降至8.00dB,这时提取的水印,相关系数NC=0.87,仍能准确得提取水印,并且整体数据均在0.8。这说明采用该发明有着很好的抗高斯干扰鲁棒性。图10示出了高斯噪声强度40%时的医学图像,在视觉上与原始腹部医学图像已有明显差别;图11示出了高斯噪声强度40%时提取的水印,NC=0.87。
表一 水印抗高斯噪声干扰数据
噪声强度(%) | 5 | 10 | 15 | 20 | 25 | 30 | 35 | 40 |
PSNR(dB) | 15.41 | 12.65 | 11.04 | 10.08 | 9.37 | 8.78 | 8.32 | 8.00 |
NC | 0.95 | 0.95 | 0.95 | 0.95 | 0.93 | 0.93 | 0.80 | 0.87 |
第二、JPEG压缩处理
采用图像压缩质量百分数作为参数对腹部医学图像进行JPEG压缩;表二为水印抗JPEG压缩的实验数据。当压缩质量为1%,这时图像质量非常低,仍然可以很清晰地提取出水印,NC=0.93。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=0.93,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 | 2 | 5 | 10 | 15 | 20 | 25 | 30 |
PSNR(dB) | 25.64 | 25.64 | 26.91 | 30.58 | 31.81 | 33.03 | 33.87 | 34.53 |
NC | 0.93 | 0.93 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 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[5x5],滤波重复次数为20时,仍然可以测得水印的存在,NC=1.00。图14示出了中值滤波参数为[5x5],滤波重复次数为20的医学图像,图像仍非常清晰;图15示出了中值滤波参数为[5x5],滤波重复次数为20时提取的水印,NC=1.00,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20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20时提取的水印,NC=0.93,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32°时,NC=0.88,仍然可以很好地提取水印。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=1.00,可以非常清楚地提取水印。图20示出了顺时旋转32°的医学图像;图21示出了顺时旋转32°提取的水印,NC=0.88,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° | 5° | 10° | 15° | 20° | 25° |
PSNR(dB) | 21.56 | 18.45 | 16.68 | 15.86 | 15.34 | 15.04 |
NC | 1.00 | 1.00 | 1.00 | 0.95 | 0.95 | 0.88 |
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0.2时,相关系数NC=1.00,可很好地提取出水印。图22示出了缩放后的医学图像(缩放因子为0.2);图23示出了缩放攻击后提取的水印,NC=1.00,可以非常准确得提取出水印。
表五 水印抗缩放攻击实验数据
缩放因子 | 0.2 | 0.4 | 0.6 | 0.8 | 1.2 | 1.4 | 1.6 | 1.8 | 2.2 | 3.0 |
NC | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
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垂直移动25%时,NC值都高于0.70,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左移25%后的图像;图25示出了水平左移25%后提取的水印,可以准确提取水印,NC=0.95。图26示出了医学图像垂直下移25%后的图像;图27示出了垂直下移25%后提取的水印,可以准确提取水印,NC=0.88。
表六 水印抗平移变换实验数据
第七、剪切攻击
表七为水印抗剪切攻击实验数据,从表七中可以看到,当对图像进行方块剪切时,当沿X轴剪切程度达到20%时,NC值仍能达到0.61,当沿Y轴剪切程度达到20%时,NC值可以达到0.77,提取水印仍可以分辨出来,说明该水印算法有较强的,剪切攻击能力。图28示出了沿X轴剪切20%图像后的医学图像;图29示出了沿X轴剪切20%图像后提取的水印,可以准确得提取水印,NC=0.61。图30示出了沿Y轴剪切20%图像后的医学图像;图31示出了沿Y轴剪切20%图像后提取的水印,可以准确得提取水印,NC=0.77。
表七 水印抗Y轴方向剪切攻击实验数据
从上述描述可知,本发明基于感知哈希和数据增强的医学图像数字水印技术,增强了所提取的特征序列的特征集,有较好的鲁棒性,针对高斯噪声干扰、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感知哈希和数据增强的医学图像数字水印方法,包括:对原始医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得原始医学图像的数据增强特征集;将原始医学图像的数据增强特征集利用感知哈希分别对应生成原始医学图像的特征二值序列并建立原始医学图像的特征数据集;对原始水印进行Logistic混沌加密,得到加密后的混沌置乱水印,并将原始医学图像的特征数据集和混沌置乱水印进行逐位异或运算,获取逻辑密钥集且嵌入水印信息;对待测医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得待测医学图像的数据增强特征集;将待测医学图像的数据增强特征集利用感知哈希分别对应生成待测医学图像的特征二值序列并建立待测医学图像的特征数据集;将待测医学图像的特征数据集和逻辑密钥集进行异或运算,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读取嵌入的水印信息。该方法通过将数据增强、感知哈希、密码学和零水印技术结合,具有较低的时间复杂度,得到的码字具有较高的效率,语义保持性较好,高效地弥补了传统的数字水印方法不能兼顾抗传统攻击和几何攻击的缺点,并且该方法在常规攻击和几何攻击方面均表现出较好的鲁棒性和不可见性,能很好地保护病人的隐私信息,且保证医学图像的原始质量。
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感知哈希和数据增强的医学图像数字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 (10)
1.一种基于感知哈希和数据增强的医学图像数字水印方法,其特征在于,包括:
对原始医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述原始医学图像的数据增强特征集;
将所述原始医学图像的数据增强特征集利用感知哈希分别对应生成所述原始医学图像的特征二值序列并建立所述原始医学图像的特征数据集;
对原始水印进行Logistic混沌加密,得到加密后的混沌置乱水印,并将所述原始医学图像的特征数据集和所述混沌置乱水印进行逐位异或运算,获取逻辑密钥集且嵌入水印信息;
对待测医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述待测医学图像的数据增强特征集;
将所述待测医学图像的数据增强特征集利用感知哈希分别对应生成所述待测医学图像的特征二值序列并建立所述待测医学图像的特征数据集;
将所述待测医学图像的特征数据集和所述逻辑密钥集进行异或运算,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读取嵌入的水印信息。
2.根据权利要求1所述的医学图像数字水印方法,其特征在于,对原始医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述原始医学图像的数据增强特征集,具体包括:
将原始医学图像进行DCT变换的特征提取,获得第一数据增强特征序列;
将所述原始医学图像进行SIFT-DCT变换的特征提取,获得第二数据增强特征序列;所述第一数据增强特征序列和所述第二数据增强特征序列组成所述原始医学图像的数据增强特征集。
3.根据权利要求2所述的医学图像数字水印方法,其特征在于,将所述原始医学图像的数据增强特征集利用感知哈希分别对应生成所述原始医学图像的特征二值序列并建立所述原始医学图像的特征数据集,具体包括:
选取所述第一数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第一特征二值序列;
选取所述第二数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第二特征二值序列;所述第一特征二值序列和所述第二特征二值序列组成所述原始医学图像的特征数据集。
4.根据权利要求3所述的医学图像数字水印方法,其特征在于,对原始水印进行Logistic混沌加密,得到加密后的混沌置乱水印,具体包括:
通过Logistic Map产生混沌序列;
将生成的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。
5.根据权利要求4所述的医学图像数字水印方法,其特征在于,将所述原始医学图像的特征数据集和所述混沌置乱水印进行逐位异或运算,获取逻辑密钥集,具体包括:
将所述第一特征二值序列和所述混沌置乱水印进行逐位异或运算,得到第一密钥;
将所述第二特征二值序列和所述混沌置乱水印进行逐位异或运算,得到第二密钥;所述第一密钥和所述第二密钥组成逻辑密钥集。
6.根据权利要求5所述的医学图像数字水印方法,其特征在于,在获取逻辑密钥集之后,还包括:
将所述逻辑密钥集作为密钥向第三方申请,将水印信息注册到IPR信息库中。
7.根据权利要求6所述的医学图像数字水印方法,其特征在于,对待测医学图像分别进行DCT变换和SIFT-DCT变换的特征提取,获得所述待测医学图像的数据增强特征集,具体包括:
将待测医学图像进行DCT变换的特征提取,获得第三数据增强特征序列;
将所述待测医学图像进行SIFT-DCT变换的特征提取,获得第四数据增强特征序列;所述第三数据增强特征序列和所述第四数据增强特征序列组成所述待测医学图像的数据增强特征集。
8.根据权利要求7所述的医学图像数字水印方法,其特征在于,将所述待测医学图像的数据增强特征集利用感知哈希分别对应生成所述待测医学图像的特征二值序列并建立所述待测医学图像的特征数据集,具体包括:
选取所述第三数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第三特征二值序列;
选取所述第四数据增强特征序列中左上角低频系数模块,利用感知哈希对应生成第四特征二值序列;所述第三特征二值序列和所述第四特征二值序列组成所述待测医学图像的特征数据集。
9.根据权利要求8所述的医学图像数字水印方法,其特征在于,将所述待测医学图像的特征数据集和所述逻辑密钥集进行异或运算,提取出加密水印,具体包括:
将所述第三特征二值序列和所述第一密钥进行异或运算,提取出第一加密水印;
将所述第四特征二值序列和所述第二密钥进行异或运算,提取出第二加密水印;
将所述第一加密水印和所述第二加密水印通过比较判别器进行判别后,得到加密水印。
10.根据权利要求9所述的医学图像数字水印方法,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提取的所述加密水印进行逐位异或,得到还原水印。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110350359.1A CN113160029B (zh) | 2021-03-31 | 2021-03-31 | 一种基于感知哈希和数据增强的医学图像数字水印方法 |
PCT/CN2021/125638 WO2022205853A1 (zh) | 2021-03-31 | 2021-10-22 | 一种基于感知哈希和数据增强的医学图像数字水印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110350359.1A CN113160029B (zh) | 2021-03-31 | 2021-03-31 | 一种基于感知哈希和数据增强的医学图像数字水印方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160029A CN113160029A (zh) | 2021-07-23 |
CN113160029B true CN113160029B (zh) | 2022-07-05 |
Family
ID=76885966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110350359.1A Active CN113160029B (zh) | 2021-03-31 | 2021-03-31 | 一种基于感知哈希和数据增强的医学图像数字水印方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113160029B (zh) |
WO (1) | WO2022205853A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160029B (zh) * | 2021-03-31 | 2022-07-05 | 海南大学 | 一种基于感知哈希和数据增强的医学图像数字水印方法 |
CN115311119B (zh) * | 2022-10-09 | 2022-12-23 | 中国民航大学 | 一种抗几何攻击的立体图像零水印嵌入与提取方法 |
CN115798490B (zh) * | 2023-02-07 | 2023-04-21 | 西华大学 | 基于sift变换的音频水印植入方法和装置 |
CN116308986B (zh) * | 2023-05-24 | 2023-08-04 | 齐鲁工业大学(山东省科学院) | 基于小波变换及注意力机制的隐蔽水印攻击算法 |
CN116342362B (zh) * | 2023-05-31 | 2023-07-28 | 齐鲁工业大学(山东省科学院) | 深度学习增强数字水印不可感知性方法 |
CN116757909B (zh) * | 2023-08-21 | 2023-11-03 | 南京师范大学 | Bim数据鲁棒水印方法、装置及介质 |
CN117834788B (zh) * | 2024-03-06 | 2024-06-07 | 北京国隐科技有限公司 | 一种信息处理方法及装置 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2351288A2 (en) * | 2008-10-23 | 2011-08-03 | University Of Ulster | An encryption method |
CN102314669A (zh) * | 2011-09-13 | 2012-01-11 | 海南大学 | 一种基于dct抗几何攻击的医学图像零数字水印方法 |
CN102938132A (zh) * | 2012-11-20 | 2013-02-20 | 海南大学 | 一种基于DFT和LogisticMap的医学图像水印方法 |
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 |
CN103279918A (zh) * | 2013-06-20 | 2013-09-04 | 海南大学 | 一种基于三维dct和混沌置乱的体数据水印实现方法 |
CN103353990A (zh) * | 2013-06-19 | 2013-10-16 | 海南大学 | 一种基于感知哈希的智能纹理防伪方法 |
CN103854251A (zh) * | 2014-04-02 | 2014-06-11 | 海南大学 | 基于三维dwt-dct感知哈希的体数据多水印方法 |
CN103871018A (zh) * | 2014-04-02 | 2014-06-18 | 海南大学 | 一种基于三维dct感知哈希的体数据鲁棒水印实现方法 |
CN103886544A (zh) * | 2014-04-10 | 2014-06-25 | 海南大学 | 基于三维dct感知哈希和混沌的体数据鲁棒多水印算法 |
CN103942747A (zh) * | 2014-04-10 | 2014-07-23 | 海南大学 | 基于三维dwt-dct感知哈希和混沌的体数据水印 |
CN103971318A (zh) * | 2014-04-05 | 2014-08-06 | 海南大学 | 基于三维dwt-dft感知哈希的体数据数字水印方法 |
CN103996161A (zh) * | 2014-04-16 | 2014-08-20 | 海南大学 | 基于三维dwt-dft感知哈希和混沌的体数据多水印 |
CN104867102A (zh) * | 2015-06-18 | 2015-08-26 | 海南大学 | 一种基于dct密文域的加密医学图像鲁棒水印方法 |
CN105844643A (zh) * | 2016-03-30 | 2016-08-10 | 北京信息科技大学 | 图像篡改检测方法 |
CN107464268A (zh) * | 2016-06-02 | 2017-12-12 | 国家计算机网络与信息安全管理中心 | 一种利用全局和局部特征的联合编码方法 |
CN108038488A (zh) * | 2017-12-06 | 2018-05-15 | 河海大学常州校区 | 基于sift和lbp混合的鲁棒性图像哈希方法 |
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 |
CN110211019A (zh) * | 2019-06-13 | 2019-09-06 | 海南大学 | 一种图像的水印嵌入与提取方法及相关装置 |
CN110517182A (zh) * | 2019-08-29 | 2019-11-29 | 海南大学 | 一种基于nsct组合变换的医学图像零水印嵌入方法 |
CN110517181A (zh) * | 2019-08-29 | 2019-11-29 | 海南大学 | 基于Hough组合变换的医学图像零水印嵌入方法 |
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 |
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 |
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 |
CN111988492A (zh) * | 2020-08-19 | 2020-11-24 | 海南大学 | 一种基于Gabor-DCT的医学图像鲁棒水印方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7006656B2 (en) * | 2001-10-15 | 2006-02-28 | The Research Foundation Of Suny | Lossless embedding of data in digital objects |
WO2015034269A1 (ko) * | 2013-09-03 | 2015-03-12 | 삼성전자 주식회사 | 영상 처리 방법 및 장치 |
EP2921989A1 (en) * | 2014-03-17 | 2015-09-23 | Université de Genève | Method for object recognition and/or verification on portable devices |
CN104091302B (zh) * | 2014-07-10 | 2017-06-06 | 北京工业大学 | 一种基于多尺度空间的鲁棒水印嵌入与提取方法 |
KR101785194B1 (ko) * | 2016-02-29 | 2017-10-12 | 한국과학기술원 | Dibr 3차원 영상을 위한 템플릿 기반 워터마킹 방법 및 장치 |
CN113160029B (zh) * | 2021-03-31 | 2022-07-05 | 海南大学 | 一种基于感知哈希和数据增强的医学图像数字水印方法 |
-
2021
- 2021-03-31 CN CN202110350359.1A patent/CN113160029B/zh active Active
- 2021-10-22 WO PCT/CN2021/125638 patent/WO2022205853A1/zh active Application Filing
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2351288A2 (en) * | 2008-10-23 | 2011-08-03 | University Of Ulster | An encryption method |
CN102314669A (zh) * | 2011-09-13 | 2012-01-11 | 海南大学 | 一种基于dct抗几何攻击的医学图像零数字水印方法 |
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 |
CN102938132A (zh) * | 2012-11-20 | 2013-02-20 | 海南大学 | 一种基于DFT和LogisticMap的医学图像水印方法 |
CN103353990A (zh) * | 2013-06-19 | 2013-10-16 | 海南大学 | 一种基于感知哈希的智能纹理防伪方法 |
CN103279918A (zh) * | 2013-06-20 | 2013-09-04 | 海南大学 | 一种基于三维dct和混沌置乱的体数据水印实现方法 |
CN103854251A (zh) * | 2014-04-02 | 2014-06-11 | 海南大学 | 基于三维dwt-dct感知哈希的体数据多水印方法 |
CN103871018A (zh) * | 2014-04-02 | 2014-06-18 | 海南大学 | 一种基于三维dct感知哈希的体数据鲁棒水印实现方法 |
CN103971318A (zh) * | 2014-04-05 | 2014-08-06 | 海南大学 | 基于三维dwt-dft感知哈希的体数据数字水印方法 |
CN103886544A (zh) * | 2014-04-10 | 2014-06-25 | 海南大学 | 基于三维dct感知哈希和混沌的体数据鲁棒多水印算法 |
CN103942747A (zh) * | 2014-04-10 | 2014-07-23 | 海南大学 | 基于三维dwt-dct感知哈希和混沌的体数据水印 |
CN103996161A (zh) * | 2014-04-16 | 2014-08-20 | 海南大学 | 基于三维dwt-dft感知哈希和混沌的体数据多水印 |
CN104867102A (zh) * | 2015-06-18 | 2015-08-26 | 海南大学 | 一种基于dct密文域的加密医学图像鲁棒水印方法 |
CN105844643A (zh) * | 2016-03-30 | 2016-08-10 | 北京信息科技大学 | 图像篡改检测方法 |
CN107464268A (zh) * | 2016-06-02 | 2017-12-12 | 国家计算机网络与信息安全管理中心 | 一种利用全局和局部特征的联合编码方法 |
CN108038488A (zh) * | 2017-12-06 | 2018-05-15 | 河海大学常州校区 | 基于sift和lbp混合的鲁棒性图像哈希方法 |
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 |
CN110211019A (zh) * | 2019-06-13 | 2019-09-06 | 海南大学 | 一种图像的水印嵌入与提取方法及相关装置 |
CN110517182A (zh) * | 2019-08-29 | 2019-11-29 | 海南大学 | 一种基于nsct组合变换的医学图像零水印嵌入方法 |
CN110517181A (zh) * | 2019-08-29 | 2019-11-29 | 海南大学 | 基于Hough组合变换的医学图像零水印嵌入方法 |
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 |
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 |
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 |
CN111988492A (zh) * | 2020-08-19 | 2020-11-24 | 海南大学 | 一种基于Gabor-DCT的医学图像鲁棒水印方法 |
Non-Patent Citations (6)
Title |
---|
A robust zero-watermarking based on SIFT-DCT for medical images in the encrypted domain;Jialing liu et al.;《Computers,Materials & Continua》;20191231;第61卷(第1期);第363-378页 * |
Medical image watermarking based on SIFT-DCT perceptual hashing;Jialing Liu et al.;《International Conference on Cloud Computing and Security(ICCCS 2018):Cloud Computing and security》;20181231;第334-345页 * |
一种基于DCT和Logistic Map的医学图像鲁棒多水印方法;刘瑶利 等;《计算机应用研究》;20131130;第30卷(第11期);第3430-3437页 * |
基于DCT和感知哈希的纹理防伪标签鉴别算法;李雨佳 等;《计算机应用研究》;20141231;第31卷(第12期);第3719-3722页 * |
基于SIFT感知哈希的鲁棒零水印算法研究;刘嘉玲;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20200715(第7期);全文 * |
基于感知哈希的三维医用体数据水印算法研究;李雨佳;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20151015(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113160029A (zh) | 2021-07-23 |
WO2022205853A1 (zh) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Balasamy et al. | A fuzzy based ROI selection for encryption and watermarking in medical image using DWT and SVD | |
CN110084733B (zh) | 文本图像水印的嵌入方法及系统、提取方法及系统 | |
Tao et al. | Robust image watermarking theories and techniques: A review | |
CN111968025A (zh) | 基于Bandelet-DCT医学图像鲁棒零水印方法 | |
Dong et al. | Robust zero-watermarking for medical image based on DCT | |
CN111988492B (zh) | 一种基于Gabor-DCT的医学图像鲁棒水印方法 | |
Kim et al. | Region-based tampering detection and recovery using homogeneity analysis in quality-sensitive imaging | |
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 | |
Kanwal et al. | A robust data hiding reversible technique for improving the security in e-health care system | |
CN111988491A (zh) | 一种基于kaze-dct的医学图像鲁棒水印方法 | |
Novamizanti et al. | Robust and imperceptible watermarking on medical images using coefficient pair modification | |
CN116012212A (zh) | 基于SUSAN-DCT和Hu矩的医学图像鲁棒水印方法 | |
CN102510491A (zh) | 一种基于dwt可抗几何攻击的医学图像多重水印方法 | |
Bideh et al. | Security analysis of a key based color image watermarking vs. a non-key based technique in telemedicine applications | |
Boujemaa et al. | Fragile watermarking of medical image for content authentication and security | |
CN112907426A (zh) | 一种基于PHTs-DCT的加密医学图像数字水印方法 | |
CN113160030A (zh) | 一种基于lbp-dct的医学图像鲁棒水印方法 | |
CN112907428A (zh) | 基于条带变换处理的加密图像水印处理方法及系统 | |
Jani Anbarasi et al. | Robust watermarking scheme using Weber Law for 3D mesh models | |
Hazzaa et al. | Watermarking algorithm for medical images authentication | |
Jasmine Selvakumari Jeya et al. | RONI based secured and authenticated indexing of lung CT images | |
Hameed et al. | A High Quality Secure Medical Image Steganography Method | |
Ye | Image Watermarking using Chaotic Watermark Scrambling and Perceptual Quality Evaluation |
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 |