CN116263932A - 一种基于Patchwork和DCT的医学图像鲁棒多水印方法 - Google Patents
一种基于Patchwork和DCT的医学图像鲁棒多水印方法 Download PDFInfo
- Publication number
- CN116263932A CN116263932A CN202111536841.0A CN202111536841A CN116263932A CN 116263932 A CN116263932 A CN 116263932A CN 202111536841 A CN202111536841 A CN 202111536841A CN 116263932 A CN116263932 A CN 116263932A
- Authority
- CN
- China
- Prior art keywords
- watermark
- medical image
- sequence
- key
- binary
- 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.)
- Pending
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
-
- 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
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)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于Patchwork和DCT的医学图像鲁棒水印方法，属于多媒体信号处理领域。本发明的步骤是：首先利用Logistic Map的性质在频域对水印进行置乱加密；然后通过对医学图像进行Patchwork‑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Patchwork‑DCT变换提取其特征向量，并与存于第三方的二值序列相关联来进行水印的提取。本发明是基于Patchwork和DCT的医学图像数字水印技术，有较好的鲁棒性，针对旋转、缩放、剪切等几何攻击尤为突出，水印的嵌入不改变原始加密体数据的内容，是一种零水印技术。
Description
技术领域
本发明涉及一种基于Patchwork和DCT变换、混沌映射和图像特征向量的医学图像鲁棒数字水印技术，具体是一种基于Patchwork-DCT的医学图像鲁棒水印方法，是一种多媒体数据保护方法，属于多媒体信号处理领域。
技术背景
随着现代科学技术的发展，数字医疗系统也日益成熟。越来越多的医学图像和患者信息在网络中传输和存储，这就意味着在这个过程中医学图像可能遭受篡改和盗用，为了解决这些问题需要对原始医疗图像进行处理：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。
数字水印技术最初是用于数字媒体的版权保护，现在利用数字水印的不可见性、鲁棒性等特点，可以把病人的个人信息隐藏在其医学图像中，以保证它在互联网上的安全传输。因此，在数字图像被广泛应用于网络传输中的情况下，在针对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。
目前对于医学图像的数字水印算法的研究较少，对于抗几何攻击的医学数据的零水印算法的研究成果更少。而在未来将会面对的大量的医学数据传输问题，因此研究如何在医学数据中嵌入数字鲁棒水印意义重大，并且对于医学数据，一般是不允许修改其内容的。这又为在医学数据中嵌入水印提高了难度。
总之，在基于Patchwork-DCT的医学图像中嵌入可抗旋转、缩放、剪切等几何攻击的数字水印的方法，目前尚属空白，未见公开报道。
发明内容
本发明是一种基于Patchwork-DCT的医学图像鲁棒多水印方法，通过将医学图像的特征向量、密码学、哈希函数和零水印技术结合，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的缺点，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。
为了实现上述目的，本发明是这样进行的：先对医学图像进行Patchwork算法处理和离散余弦变换(DCT)，在得到的DCT系数中，提取一个抗几何攻击的纹理图像视觉特征向量，并将水印技术与混沌加密、Hash函数和“第三方概念”有机结合起来，实现了数字水印的抗几何攻击和常规攻击。本发明所采用的方法包括基于Patchwork-DCT的特征向量提取、水印加密、水印嵌入、水印提取和水印解密五大部分。
现对本发明的方法进行详细说明如下：
选择三个有意义的二值文本图像(这里取32×32)作为嵌入医学图像的水印，记为W1＝{w1(i,j)|w1(i,j)＝0,1；1≤i≤M1,1≤j≤M2}，W2＝{w2(i,j)|w2(i,j)＝0,1；1≤i≤M1,1≤j≤M2}，W3＝{w3(i,j)|w3(i,j)＝0,1；1≤i≤M1,1≤j≤M2}。同时，我们选取一个512*512的医学图像作为原始医学图像，记为I(i,j),W1(i,j)、W2(i,j)、W3(i,j)和I(i,j)分别表示水印和原始医学图像的像素灰度值。
第一部分：在Patchwork-DCT变换下，提取医学图像的特征向量
(1)对原始医学图像I(i,j)进行Patchwork变换得到新的图像D(i,j)；
(2)对新的图像D(i,j)进行DCT变换得到系数矩阵E(i,j)；
E(i,j)＝DCT2(D(i,j))
(3)选取D(i,j)低频处的4*8的矩阵构成新矩阵A(i,j)；
(4)利用哈希函数，生成32位医学图像的特征二值序列V(i,j)
第二部分：水印的加密
(5)获取二值混沌序列
首先根据初始值x0生成混沌序列X(j)，本实验将混沌系数的初值设为0.2，生长参数为4，迭代次数为1023；
(6)得到混沌加密的水印
混沌序列X(j)利用哈希函数生成二值序列(阈值取0.5)，接着按照二值序列顺序对水印像素的位置空间进行异或置乱，得到混沌置乱的水印BW1(i,j)、BW2(i,j)、BW3(i,j)。
第三部分：水印的嵌入
(7)得到逻辑密钥Key(i，j)
将特征向量V(i，j)和加密后的水印BW1(i，j)、BW2(i，j)、BW3(i，j)分别逐位进行异或运算，便可将水印嵌入到医学图像中，同时得到逻辑密钥Key1(i，j)、Key2(i，j)和Key3(i，j)；
将这三个密钥进行保存，这在后面提取水印时要用到。通过将Key1(i，j)、Key2(i，j)和Key3(i，j)分别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；
第四部分：水印的提取
(8)待测医学图像I′(i，j)的特征向量
对待测的医学图像I′(i，j)进行Patchwork变换得到新的图像D′(i，j)，然后对D′(i，j)进行DCT变换得到系数矩阵E′(i，j)，选取低频系数中4*8的模块，通过哈希函数得到待测医学图像的视觉特征向量V′(i，j)；
E′(i，j)＝DCT2(D′(i，j))
(9)提取水印BW1′(i，j)、BW2′(i，j)和BW3′(i，j)
将待测加密图像的特征向量V′(i，j)和逻辑密钥Key1(i，j)、Key2(i，j)和Key3(i，j)进行异或运算，便提取出加密的水印BW1′(i，j)、BW2′(i，j)和BW3′(i，j)；
该算法在提取水印时只需要分别使用密钥Key1(i,j)、Key2(i,j)和Key3(i,j)，不需要原始图像参与，是一种零水印提取算法；
第五部分：水印的解密
(10)获取二值混沌加密序列X(j)
利用和水印加密同样的方法，得到相同的二值混沌加密序列X(j)；
(11)还原提取出的加密水印W1'(i,j)、W2'(i,j)和W3'(i,j)
依照由小及大的顺序对已经获取的X(j)中的各个值做排序操作；然后，根据它中各个值排序前后的位置变化对水印中的像素的位置空间进行还原得到还原的水印W1'(i,j)、W2'(i,j)和W3'(i,j)；
通过分别计算W1(i,j)和W1'(i,j)、W2(i,j)和W2'(i,j)、W3(i,j)和W3'(i,j)的相关系数NC，确定医学图像的所有权和嵌入的水印信息。
本发明的创新点：
本算法基于Patchwork和DCT，对医学图像进行特征提取。医学图像作为一类特殊图像，要求原始数据具有完整性。本算法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。
以下从理论基础和实验数据说明：
(1)Patchwork算法
Patchwork算法，即拼凑法，使用大量的模式冗余将信号叠加到图像的空域，从而提高水印算法的鲁棒性。该算法容易实施、简单、高效，是目前应用非常广泛的加密算法之一。其算法的主要思想是：一是在载体图像中选取数量满足Patchwork要求的点对，将这些点对的像素值分成两类集合，改变这些点对的像素值来嵌入水印信号。这里的点对可以是像素点，也可以是变换域的系数或者某个特征值。二是修改这些选取的点对时，可以基于它们的大小关系或者能量关系来修改。
Patchwork算法的基本原理如下：
1.假设图像的像素值服从均匀分布，图像中点与点的灰度值之间是相互独立的，随机选取的两个像素值的差值是以零为中心的高斯分布。
2.在一幅数字图像中随机地选取两类基于像素的集合A＝{ai}和B＝{bi}，取其中的一组点对(a,b)，a为A中的元素，b为B中的元素，计算a和b的差记为sub，即SUB＝a-b，a和b必须相互独立，并且满足均匀分布。
3.对集合A和结合B中的元素循环使用以上过程，然后将得到的所有sub相加记作SUB，那么SUB的期望值一般情况下是零。以上性质可以理解为：在所选的两个集合中，A集合中的值大于B集合中的值的概率以及程度，应该与B集合中的值大于A集合中的值的概率和程度近似相等。
(2)离散余弦变换
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
式中参数为：
二维离散余弦反变换(IDCT)公式如下:
x＝0,1,···,M-1；y＝0,1,···,N-1
其中x，y为空间域采样值；u，v为频率域采样值，在数字图像处理中，通常数字图像用像素方阵表示，即M＝N。
(3)Logistic Map
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。
(4)医学图像特征向量的选取方法
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。
通过实验数据发现，将Patchwork算法和离散余弦变换相结合，可以找到一个抗几何攻击的医疗图像特征向量提取办法。当对一个医疗图像进行常规的几何变换时，DCT系数值的大小可能发生一些变化，但其系数符号基本保持不变。据这一规律，我们先对医疗图像进行Patchwork变换，然后对其变换后图像的有效区域再进行全局DCT变换得到特征向量。
(5)特征向量选取的长度
根据人类视觉特性(HVS)，低中频信号对人的视觉影响较大，代表着医疗图像的主要特征。因此所选取的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Patchwork-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。
(6)峰值信噪比
峰值信噪比的公式如下：
设图像每点的像素值为I(i,j)，图像的平均像素值为Γ(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。
(7)归一化相关系数
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原始水印之间的数量相似性，定义为:
W(i,j)表示原始水印图像的特征向量，其长度是32bit；W′(i,j)表示待测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。
附图说明
图1是原始医学图像。
图2-4是原始水印图像。
图5-7是加密后的水印图像。
图8-10是不加干扰时提取的水印。
图11是高斯噪声干扰强度5％时的医学图像。
图12-14是高斯噪声干扰强度5％时提取的水印。
图15是JPEG压缩的医学图像(压缩质量为4％)。
图16-18是压缩质量为4％的JPEG压缩时提取的水印。
图19是中值滤波后的医学图像(窗口大小为[3x3]，滤波次数5次)。
图20-22是[3x3],中值滤波5次后提取的水印。
图23是中值滤波后的医学图像(窗口大小为[10x10]，滤波次数10次)。
图24-26是[10x10],中值滤波10次后后提取的水印。
图27是顺时针旋转5°的医学图像。
图28-30是顺时针旋转5°时提取的水印。
图31是顺时针旋转20°的医学图像。
图32-34是顺时针旋转20°时提取的水印。
图35是缩放因子为0.5的医学图像。
图36-38是缩放因子为0.5时提取的水印。
图39是沿Y轴剪切25％的医学图像。
图40-42是沿Y轴剪切25％时提取的水印。
图43是沿Y轴剪切5％的医学图像。
图44-46是沿Y轴剪切5％时提取的水印。
具体实施方式
下面结合附图对本发明作进一步说明，实验测试的对象是512×512的腹部医学图像，见图1，用I(i,j)表示，其中1≤i,j≤512。选择三个有意义的二值图像作为原始水印，分别记为：W1＝{w1(i,j)|w1(i,j)＝0,1；1≤i≤M1,1≤j≤M2}，见图2，W2＝{w2(i,j)|w2(i,j)＝0,1；1≤i≤M1,1≤j≤M2},见图3，W3＝{w3(i,j)|w3(i,j)＝0,1；1≤i≤M1,1≤j≤M2},见图4，这里水印的大小为32×32。首先对原始图像进行Patchwork-DCT变换，考虑到鲁棒性和一次性嵌入水印的容量我们取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32。然后对原始水印进行混沌加密，加密后水印见图5-7。通过水印算法恢复水印后，我们通过计算归一化相关系数NC(Normalized Cross Correlation)来判断是否有水印嵌入，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8-10是不加干扰时提取的三个水印，可以看到NC均为1.00，可以准确得提取水印。
下面我们通过具体实验来判断该数字水印方法的抗常规攻击能力和抗几何攻击能力。
先测试该水印算法抗常规攻击的能力。
(1)加入高斯噪声
使用Matlab的imnoise()函数在水印中加入高斯噪声。
表1是水印抗高斯噪声干扰的实验数据。从表中可以看到，当高斯噪声强度达到10％时，攻击之后的图像的PSNR降至11.86dB，这时提取的水印，相关系数NC1＝0.87，NC2＝0.90，NC3＝0.92，仍能准确地提取水印。这说明采用该发明可以抗高斯噪声。
图11是高斯噪声强度10％时的医学图像，在视觉上与原始医学图像已有明显差别；
图12-14是高斯噪声强度10％时提取的水印。
表1水印抗高斯噪声干扰数据
| 噪声强度(％) | 1 | 5 | 10 | 20 | 30 |
| PSNR(dB) | 20.45 | 14.32 | 11.86 | 9.80 | 8.79 |
| NC1 | 1.00 | 0.95 | 0.87 | 0.81 | 0.78 |
| NC2 | 1.00 | 0.94 | 0.90 | 0.84 | 0.84 |
| NC3 | 1.00 | 0.93 | 0.92 | 0.82 | 0.83 |
(2)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2为水印抗JPEG压缩的实验数据。当压缩质量为4％，这时图像质量较低，仍然可以提取出水印，NC均为1.00。
图15是压缩质量为4％的医学图像；
图16-18是压缩质量为4％提取的水印。
表2水印抗JPEG压缩实验数据
| 压缩质量(％) | 4 | 10 | 20 | 30 | 40 | 50 |
| PSNR(dB) | 27.58 | 31.29 | 33.81 | 34.83 | 35.46 | 35.97 |
| NC1 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| NC2 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| NC3 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
(3)中值滤波处理
表3为医学图像的水印抗中值滤波能力，从表中看出，当中值滤波参数为[5x5]，滤波重复次数为10时，仍然可以测得水印的存在，NC均为1.00。
图19是中值滤波参数为[3x3]，滤波重复次数为5的医学图像；
图20-22是中值滤波参数为[3x3]，滤波重复次数为5时提取的水印，NC均为1.00，可以提取水印。
图23是中值滤波参数为[10x10]，滤波重复次数为10的医学图像；
图24-26是中值滤波参数为[10x10]，滤波重复次数为10时提取的水印，NC1＝0.95，NC2＝0.92，NC3＝0.90，可以提取水印。
表3水印抗中值滤波实验数据
水印抗几何攻击能力
(1)旋转变换
表4为水印抗旋转攻击实验数据。从表中可以看到当图像顺时旋转40°时，NC＝0.53，仍然可以提取水印。
图27是顺时旋转5°的医学图像；
图28-30是顺时旋转5°提取的水印，NC1＝0.78，NC2＝0.86，NC3＝0.72，可以准确地提取水印。
图31是顺时旋转20°的医学图像；
图32-34是顺时旋转20°提取的水印，NC1＝0.59，NC2＝0.73，NC3＝0.59，可以较为准确地提取水印。
表4水印抗旋转攻击实验数据
注：负为逆时针，正为顺时针
(2)缩放变换
表5为医学图像的水印抗缩放攻击实验数据，从表中可以看到当缩放因子小至0.5时，相关系数NC均为1.00，可提取出水印。
图35是缩放后的医学图像(缩放因子为0.5)；
图36-38是缩放攻击后提取的水印，NC均为1.00，可以准确得提取出水印。
表5水印抗缩放攻击实验数据
| 缩放因子 | 0.5 | 0.8 | 1 | 2 | 3 | 5 |
| NC1 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| NC2 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| NC3 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
(3)剪切攻击
表6为水印抗剪切攻击实验数据，从表中可以看到，当沿坐标轴Y剪切医学图像，剪切量为30％时，NC1＝0.65，NC2＝0.70，NC3＝0.65，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39是沿Y轴剪切25％后的医学图像；
图40-42是沿Y轴剪切25％后提取的水印，NC1＝0.74，NC2＝0.76，NC3＝0.74，可以较为准确得提取水印。
图43是沿Y轴剪切5％后的医学图像；
图44-46是沿Y轴剪切5％后提取的水印，NC1＝0.95，NC2＝0.92，NC3＝0.90，可以准确得提取水印。
表6水印抗剪切攻击实验数据
| Y方向剪切(％) | 5 | 10 | 15 | 20 | 25 | 30 | 35 |
| NC1 | 0.96 | 1.00 | 1.00 | 0.90 | 0.74 | 0.65 | 0.60 |
| NC2 | 0.96 | 1.00 | 1.00 | 0.88 | 0.76 | 0.70 | 0.64 |
| NC3 | 0.96 | 1.00 | 1.00 | 0.84 | 0.74 | 0.65 | 0.60 |
Claims (1)
1.一种基于Patchwork和DCT的医学图像鲁棒水印实现方法，其特征在于：基于Patchwork-DCT变换，得到医学图像的抗几何攻击的特征向量，并与水印技术结合起来，实现了医学图像零水印的抗几何攻击和常规攻击，该医学图像数字水印实现方法共分三大部分，共计十个步骤：
第一部分是医学图像的特征提取：
1)运用Patchwork算法对医学图像I(i,j)进行预处理获取特征区域图像E(i,j)；
2)对特征区域图像E(i,j)进行DCT变换得到系数矩阵D(i,j)；
3)通过对D(i,j)运用Hash函数运算得到特征序列V(i,j)；
第二部分是水印的加密与嵌入：
4)通过Logistic Map产生混沌序列X(j)；
5)混沌序列X(j)利用哈希函数生成二值序列，接着按照二值序列顺序对水印像素的位置空间进行异或置乱，得到混沌置乱的水印BW1(i,j)、BW2(i,j)和BW3(i,j)；
6)根据加密水印序列BW1(i,j)、BW2(i,j)、BW3(i,j)和提取的医学图像的特征序列V(i,j)，生成不同的二值逻辑密钥序列Key1(i,j)、Key2(i,j)和Key3(i,j)，然后将二值逻辑序列存在第三方；
第三部分是水印的提取：
7)求出待测医学图像的特征序列V’(i,j)；
8)利用存在于第三方的二值逻辑密钥序列Key1(i,j)、Key2(i,j)、Key3(i,j)分别和待测医学图像的特征向量V’(i,j)，提取出加密水印BW1’(i,j)、BW2’(i,j)和BW3’(i,j)：
BW1’(i,j)＝Key(i,j)⊕V’(i,j)；
BW2’(i,j)＝Key(i,j)⊕V’(i,j)；
BW3’(i,j)＝Key(i,j)⊕V’(i,j)；
9)利用和水印加密同样的方法，得到相同的二值混沌加密序列X(j)；然后将得到的混沌序列X(j)利用哈希函数生成二值序列，接着按照二值序列顺序对水印像素的位置空间进行异或置乱，得到混沌置乱的水印W1’(i,j)、W2’(i,j)和W3’(i,j)；
10)将W1(i,j)和W1’(i,j)、W2(i,j)和W2’(i,j)、W3(i,j)和W3’(i,j)进行归一化相关系数计算，分别求出三个水印的NC值，衡量算法的鲁棒性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536841.0A CN116263932A (zh) | 2021-12-15 | 2021-12-15 | 一种基于Patchwork和DCT的医学图像鲁棒多水印方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536841.0A CN116263932A (zh) | 2021-12-15 | 2021-12-15 | 一种基于Patchwork和DCT的医学图像鲁棒多水印方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116263932A true CN116263932A (zh) | 2023-06-16 |
Family
ID=86723694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111536841.0A Pending CN116263932A (zh) | 2021-12-15 | 2021-12-15 | 一种基于Patchwork和DCT的医学图像鲁棒多水印方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116263932A (zh) |
-
2021
- 2021-12-15 CN CN202111536841.0A patent/CN116263932A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Zero-watermarking algorithm for medical images based on dual-tree complex wavelet transform and discrete cosine transform | |
| CN111988492B (zh) | 一种基于Gabor-DCT的医学图像鲁棒水印方法 | |
| CN110517181B (zh) | 基于Hough组合变换的医学图像零水印嵌入方法 | |
| Ernawan et al. | A blind watermarking technique using redundant wavelet transform for copyright protection | |
| CN111968026A (zh) | 一种基于PHTs-DCT的医学图像鲁棒水印方法 | |
| CN111988490B (zh) | 基于Tetrolet-DCT的医学图像鲁棒水印方法 | |
| CN104867100A (zh) | 云环境下一种加密医学图像鲁棒多水印实现方法 | |
| Rachmawanto et al. | Imperceptible and secure image watermarking using DCT and random spread technique | |
| Bekkouch et al. | Robust and reversible image watermarking scheme using combined DCT-DWT-SVD transforms | |
| Gaur et al. | A RDWT and block-SVD based dual watermarking scheme for digital images | |
| Cancellaro et al. | A joint digital watermarking and encryption method | |
| Hajjaji et al. | Combining DWT/KLT for secure transfer of color images | |
| Sun et al. | A Novel Image Steganography Based on Contourlet Transform and Hill Cipher. | |
| CN111988491A (zh) | 一种基于kaze-dct的医学图像鲁棒水印方法 | |
| CN113160030B (zh) | 一种基于lbp-dct的医学图像鲁棒水印方法 | |
| CN116342357A (zh) | 一种基于lpt-dct的医学图像鲁棒水印方法 | |
| CN116263932A (zh) | 一种基于Patchwork和DCT的医学图像鲁棒多水印方法 | |
| Khorrami et al. | A svd-chaos digital image watermarking scheme based on multiple chaotic system | |
| Moniruzzaman et al. | Robust RGB color image watermarking scheme based on DWT-SVD and chaotic system | |
| CN112907426A (zh) | 一种基于PHTs-DCT的加密医学图像数字水印方法 | |
| Tsai et al. | A wavelet-based semi-fragile watermarking with recovery mechanism | |
| Maheshwari et al. | Robust multi-modal watermarking using visually encrypted watermark | |
| CN112907427B (zh) | 基于DWT-Gabor的加密医学图像鲁棒水印方法 | |
| Hou et al. | An IPR protection scheme based on wavelet transformation and visual cryptography | |
| CN116342358A (zh) | 一种基于K-means和DCT的医学图像鲁棒水印方法 |
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 |