CN116527407A - 一种用于眼底图像的加密传输方法 - Google Patents
一种用于眼底图像的加密传输方法 Download PDFInfo
- Publication number
- CN116527407A CN116527407A CN202310806176.5A CN202310806176A CN116527407A CN 116527407 A CN116527407 A CN 116527407A CN 202310806176 A CN202310806176 A CN 202310806176A CN 116527407 A CN116527407 A CN 116527407A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- gray level
- fundus
- acquiring
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004891 communication Methods 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 21
- 238000013139 quantization Methods 0.000 claims description 17
- 241001270131 Agaricus moelleri Species 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 241001465754 Metazoa Species 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000004220 fundus oculi Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/12—Applying verification of the received information
- H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及数据加密传输技术领域,具体涉及一种用于眼底图像的加密传输方法,该方法包括:以图像接收方和图像发送方构建图像传输通道;图像接收方通过图像传输通道向图像发送方发送图像请求;图像发送方根据收到的图像请求获取对应的至少两帧眼底图像;获取每帧眼底图像的清晰度,并将每帧眼底图像划分为至少两个图像块;获取每个图像块对应的连通程度,基于每个图像块的连通程度以及图像块所在的眼底图像的清晰度,得到图像块的模糊核大小,利用每个图像块对应的模糊核大小对眼底图像进行加密得到加密图像;图像发送方打包加密图像并通过图像传输通道发送至图像接收方,在保证加密图像中信息的完整隐蔽的同时提高了加密的安全性。
Description
技术领域
本发明涉及数据加密传输技术领域,具体涉及一种用于眼底图像的加密传输方法。
背景技术
伴侣动物是一类与人生活在一起并能够带给人们快乐的宠物,在与伴侣动物一起生活的过程中,伴侣动物的健康安全不仅影响着伴侣动物自身的健康,同时还会给人们带来健康风险,其中眼睛是伴侣动物接收外界信息的最重要的器官之一,因此伴侣动物的眼科疾病需要及时的预防。随着科学技术的发展,眼底相机技术发展迅速,通过采集伴侣动物的眼底,可以便捷的检测动物的眼类健康,而伴侣动物的在眼底相机采集到的眼底图像中,需要通过远程传输过程,传入到手机端中进行实时显示。
由于眼底图像涉及到采集对象的隐私,因此在对眼底图像进行传输过程中需要对眼底图像进行加密,现有对图像加密的方法有很多,例如对待加密的图像进行模糊处理,但采用单一的模糊核对图像进行加密,在加密图像进行传输的过程中很容易被暴力破解,安全性较差,从而出现图像数据信息泄露或者被窃取的情况,且图像接收方一般为移动手机端,其接收信息量较大的图像数据的效果较差、效率较低。
发明内容
为了解决上述加密安全性差导致传输过程中信息泄露的技术问题,本发明的目的在于提供一种用于眼底图像的加密传输方法,所采用的技术方案具体如下:
本发明一个实施例提供了一种用于眼底图像的加密传输方法,该方法包括以下步骤:
以图像接收方和图像发送方构建图像传输通道;
所述图像接收方通过所述图像传输通道向图像发送方发送图像请求,图像请求包括所述图像接收方需要接收的眼底图像信息;
所述图像发送方在收到图像请求后,根据收到的眼底图像信息获取对应的至少两帧眼底图像;获取每帧所述眼底图像的清晰度,并将每帧所述眼底图像划分为至少两个图像块;获取每个所述图像块对应的连通程度,基于每个所述图像块的连通程度以及所述图像块所在的所述眼底图像的清晰度,得到所述图像块的模糊核大小,利用每个所述图像块对应的模糊核大小对所述眼底图像进行加密,得到每帧所述眼底图像对应的加密图像;
所述图像发送方打包所述加密图像,并将打包后的所述加密图像通过所述图像传输通道发送至所述图像接收方;
所述获取每帧所述眼底图像的清晰度的步骤,包括:
获取每帧所述眼底图像的灰度图像,构建每帧灰度图像对应的灰度直方图并进行曲线拟合得到灰度分布曲线,获取灰度分布曲线中每个灰度波峰的峰高和峰宽,根据所述峰高和所述峰宽得到对应灰度波峰的灰度阶数量,根据每个灰度波峰对应的灰度阶获取灰度图像的更新图像,基于所述更新图像构建灰度尺寸区域矩阵以得到对应灰度图像的清晰度;
所述获取每个所述图像块对应的连通程度的步骤,包括:
获取每个图像块中每个灰度阶对应的连通域,并获取每个连通域中的骨架节点,计算连通域中相邻两个骨架节点的方向,根据所有相邻两个骨架节点的方向得到每个灰度阶的平均变化次数;根据所述平均变化次数以及每个连通域的面积获取图像块的连通程度;
所述获取每个连通域中的骨架节点,计算连通域中相邻两个骨架节点的方向的步骤,包括:
利用形态学骨架化算法获取每个连通域的骨架,所述骨架上每个像素点为对应连通域的骨架节点;
分别获取相邻两个骨架节点的坐标,计算相邻两个骨架节点对应的纵坐标的差值和横坐标的差值,获取纵坐标的差值与横坐标的差值的比值,所述比值的反正切值为相邻两个骨架节点的方向;
所述利用每个所述图像块对应的模糊核大小对所述眼底图像进行加密的步骤包括:
通过每个所述图像块对应的模糊核尺寸以及固定参数的高斯模糊核对对应的图像块进行模糊处理,得到模糊后的模糊图像块作为图像块加密后的加密图像块。
优选地,图像传输的方法包括:模拟传输和数字传输。
优选地,所述根据所述峰高和所述峰宽得到对应灰度波峰的灰度阶数量的步骤,包括:
计算灰度波峰的所述峰高与所述峰宽的乘积作为幂指数,以自然常数e为底数构建波峰指数函数;计算当前灰度波峰的波峰指数函数与所有灰度波峰的波峰指数函数之和的比值作为量化程度;
预设灰度阶数量,根据灰度波峰的量化程度与预设灰度阶数量的乘积得到灰度波峰对应的灰度阶数量。
优选地,所述基于所述更新图像构建灰度尺寸区域矩阵以得到对应灰度图像的清晰度的步骤,包括:
获取更新图像中每个灰度阶对应的至少一个连通域,获取每个连通域的面积,根据预设灰度阶数量以及每个灰度阶对应的连通域的面积构建灰度尺寸区域矩阵,所述灰度尺寸区域矩阵的行数与预设灰度阶数量一致,所述灰度尺寸区域矩阵的列数为每个灰度阶对应的连通域的最大面积;
根据所述灰度尺寸区域矩阵获取每个灰度阶对应的连通域的面积的出现频数,基于每个灰度阶对应的连通域的面积的出现频数获取灰度图像对应的清晰度的计算为:
其中,表示第帧灰度图像的清晰度;表示第帧灰度图像的灰度尺寸区域矩阵中第个灰度阶对应连通域的面积为时出现的频数;表示灰度尺寸区域矩阵中连通域的最大面积;表示以自然常数e为底的指数函数。
优选地,所述根据所有相邻两个骨架节点的方向得到每个灰度阶的平均变化次数的步骤,包括:
对于每个灰度阶的任意一个连通域,计算方向与方向的差值,方向表示连通域的骨架上第个骨架节点和第个骨架节点的方向,方向表示连通域的骨架上第个骨架节点和第个骨架节点的方向,为正整数;
将所述差值与预设方向阈值比较,所述差值不小于预设方向阈值时,变化次数加1;计算骨架上所有相邻的方向之间的差值,统计所述差值不小于预设方向阈值的数量,所述数量为连通域的变化次数;
计算每个灰度阶对应的所有连通域的变化次数的均值为平均变化次数。
优选地,所述根据所述平均变化次数以及每个连通域的面积获取图像块的连通程度的步骤,包括:
计算每个灰度阶对应的所有连通域的总面积,获取每个灰度阶对应的所有连通域的总面积与平均变化次数的乘积结果,根据图像块中所有灰度阶对应的所述乘积结果的求和得到图像块的连通程度。
优选地,所述基于每个所述图像块的连通程度以及所述图像块所在的所述眼底图像的清晰度,得到所述图像块的模糊核大小的步骤,包括:
计算图像块的连通程度与图像块所在灰度图像的清晰度的乘积,选取灰度图像中所有图像块对应的乘积的结果的最大值和最小值,以所述最大值和所述最小值的差值作为第一差值;
计算当前图像块对应的乘积的结果与所述最小值的差值作为第二差值,所述第二差值与所述第一差值的比值为当前图像块的模糊程度量化值;
计算当前图像块对应的所述模糊程度量化值与预设的调整参数的乘积值,对所述乘积值进行取整得到当前图像块的模糊核大小。本发明具有如下有益效果:本发明实施例通过构建图像传输通道进行图像数据的传输,以便于提高对图像传输过程以及图像接收的效率,通过图像接收方发送图像请求,图像发送方针对发送图像请求选取需要传输的眼底图像,并在传输之前对眼底图像进行加密,以避免图像信息在传输过程中被窃取丢失;在对眼底图像进行加密时,首先获取眼底图像的清晰度,然后将眼底图像划分为多个图像块进行分析,以得到每个图像块对应的连通程度,根据每个图像块自身的连通程度以及该图像块所在眼底图像的清晰度进行模糊核大小的获取,则不同的图像块结合自身的连通程度信息以及所在眼底图像的清晰度得到不同的模糊核大小,避免了由于单一模糊核大小进行模糊处理容易被破解的问题,使得每帧眼底图像中在实际加密过程中的多样性较大,在保证信息的完整隐蔽的同时提高了加密的安全性;最后由图像发送方打包加密图像,通过图像传输通道发送至图像接收方,适用性更强,提高了传输性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种用于眼底图像的加密传输方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于眼底图像的加密传输方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本申请适用于对眼底图像的加密场景,为避免传输过程中眼底相机拍摄得到的眼底图像在传输过程中出现信息泄露的问题,对眼底图像中不同的图像块进行不同加密程度的加密,以提高加密图像的安全性和眼底图像中信息的隐蔽性。
下面结合附图具体的说明本发明所提供的一种用于眼底图像的加密传输方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于眼底图像的加密传输方法流程图,该方法包括以下步骤:
步骤S100,以图像接收方和图像发送方构建图像传输通道。
对于不同用户的眼底图像而言,一般需要将眼底图像传输发送至图像所对应的采集对象,因此基于图像发送方和图像接收方构建图像传输通道,本发明实施例中图像发送方通常为眼底图像采集的医疗机构,图像接收方为眼底图像所对应用户的手机端;图像传输通道为虚拟通道,图像传输的方法包括数字传输和模拟传输,使用的传输协议可选用UDP或者TCP,实施者根据不同的实施场景可自行设定。
步骤S200,图像接收方通过图像传输通道向图像发送方发送图像请求,图像请求包括图像接收方需要接收的眼底图像信息。
具体的,图像接收方在想要接收到自身的眼底图像时,需要向图像发送方发送图像请求,图像请求一般为可以对应出具体眼底图像的眼底图像信息,本发明实施例中眼底图像信息可以为眼底图像对应的文件名称、编号或者是眼底图像的部分特征。
步骤S300,图像发送方在收到图像请求后,根据收到的眼底图像信息获取对应的至少两帧眼底图像;获取每帧眼底图像的清晰度,并将每帧眼底图像划分为至少两个图像块;获取每个图像块对应的连通程度,基于每个图像块的连通程度以及图像块所在的眼底图像的清晰度,得到图像块的模糊核大小,利用每个图像块对应的模糊核大小对眼底图像进行加密,得到每帧眼底图像对应的加密图像。
具体的,由步骤S200中图像接收方发出图像请求,图像发送方可基于图像请求中包括的眼底图像信息找出对应的眼底图像,本发明实施例中伴侣动物的眼底图像的采集是通过Volk iNview眼底相机进行的,为了保证分析的全面性,一般采集的眼底图像为至少两帧图像,具体采集数量实施者可根据不同的场景决定。图像发送方根据眼底图像信息对应出至少两帧眼底图像,将两帧眼底图像通过图像传输通道传输至图像接收方的手机端中进行实时显示,然而在眼底图像的传输过程中,由于眼底图像涉及到采集对象的隐私资料,为了避免眼底图像中的信息在传输过程中被暴力破解而造成信息泄露,此在传输和存储过程中需要对眼底图像进行加密,以确保眼底图像的安全性和隐蔽性。
为减少加密过程中的计算量,采用语义分割算法获取仅包括眼底的分割图像,并对该分割图像进行灰度化处理得到对应的灰度图像,语义分割算法以及灰度化处理均为现有公知技术,不再赘述。
在通过眼底相机采集眼底图像时,极易受到外界因素的影响,例如由于眼底图像采集人员的经验不同导致眼底图像出现过曝或者欠曝的问题,其会使得采集得到的多帧的眼底图像中存在质量问题,对后续加密时产生影响,因此需要对存在过曝或欠曝等质量问题的灰度图像进行清晰度的获取,清晰度越高表明对应灰度图像的质量越好,清晰度越低表明灰度图像的质量越不好,而对清晰度不高的图像进行加密模糊化的程度可以越小,因此根据每帧灰度图像对应的清晰度对灰度图像后续进行加密处理时提供参考。
(1)获取灰度图像的清晰度。
考虑到清晰度较低的灰度图像的主要表现为过曝或者欠曝,也即是存在较大的高灰度区域或者存在较大的低灰度区域,因此本发明实施例中通过建立每帧灰度图像的自适应的灰度尺寸区域矩阵,用于后续对每帧灰度图像对应的清晰度的获取,每帧灰度图像的自适应的灰度尺寸区域矩阵的灰度阶通过各自对应的灰度直方图进行量化。
根据每个灰度图像对应的灰度直方图进行曲线拟合得到对应的灰度分布曲线,灰度分布曲线的横坐标为灰度级,纵坐标为每个灰度级对应在灰度图像中出现的次数;则根据得到的灰度分布曲线可识别出所有的波峰点的坐标和波谷点的坐标,并根据两个波谷点之间的区域得到对应的灰度波峰的区域,统计灰度分布曲线中每个灰度波峰对应的峰宽以及峰高,峰宽即为对应的两个波谷点的距离,峰高为灰度波峰对应波峰点的纵坐标,通过每个灰度波峰对应的峰宽和峰高获取该灰度波峰对应的灰度阶数量。
为了便于计算,本发明实施例中设置预设灰度阶数量为10,作为一个示例,假设该灰度图像对应的灰度分布曲线中第个灰度波峰对应的峰宽为、峰高为,则根据第个灰度波峰对应的峰宽和峰高得到该灰度波峰的灰度阶的量化程度,量化程度的计算为:
其中,表示第个灰度波峰对应的量化程度;表示第个灰度波峰的峰宽与峰高的乘积;表示第个灰度波峰对应的峰宽;表示第个灰度波峰对应的峰高;表示灰度图像中所有灰度波峰的数量;表示自然常数。
当第个灰度波峰对应的峰宽越大,则表明该灰度波峰的灰度级范围越大,第个灰度波峰对应的峰高越大,则表明该灰度波峰对应灰度级范围在灰度图像中的像素点数量较多,因此对应灰度图像中该灰度波峰的灰度阶的数量应该尽可能大,根据每个灰度波峰对应的量化程度获取每个灰度波峰对应的灰度值范围之间灰度阶数量,灰度阶数量的计算方法为:
其中,表示第个灰度波峰对应的灰度阶数量;表示第个灰度波峰对应的量化程度;表示取整函数。
由于每个灰度波峰对应的量化程度的取值范围为0-1,因此所有灰度波峰对应的灰度阶数量的累加和为10,按照灰度分布曲线上灰度级由小到大的顺序对灰度波峰的灰度阶进行依次标记,即灰度阶分别为1-10的数字。
根据每个灰度波峰对应的灰度阶数量以及灰度值范围得到灰度阶间隔值,将第个灰度波峰对应的灰度值范围记为,则第个灰度波峰对应的灰度阶间隔值为:
其中,表示第个灰度波峰对应的灰度阶间隔值;表示第个灰度波峰对应的灰度阶数量。
灰度波峰对应的灰度值范围越大,该灰度波峰下每个灰度阶对应的灰度值越多,即灰度阶间隔值越大,基于上述获取第个灰度波峰对应的灰度阶间隔值的方法,获取灰度图像对应的灰度直方图中每个灰度波峰的灰度阶间隔值,也即是得到每个灰度波峰的灰度阶数量以及每个灰度阶对应的灰度值范围,根据每个灰度波峰区域对应的灰度阶将灰度波峰区域内的像素点的灰度值进行量化,即将属于同一灰度阶的灰度值更新为该灰度阶的标号,由此可得到根据灰度阶量化后的更新图像,该更新图像中每个像素点的像素值取值为1-10,则根据量化后的更新图像可得到对应灰度图像的灰度尺寸区域矩阵,灰度尺寸区域矩阵的行数为预设灰度阶数量,即为10,灰度尺寸区域矩阵的列数为每个灰度阶对应连通域的最大面积,面积即为灰度阶对应的连通域内像素点的数量,灰度尺寸区域矩阵中每个元素表示在该灰度阶对应连通域的面积出现的频数,具体灰度尺寸区域矩阵的构建方法为现有公知技术,不再赘述。
由于清晰度较低的灰度图像的质量不佳的原因主要是欠曝或者过曝造成的,过曝的实际表现形式为存在较大的高灰度区域,欠曝的实际表现形式为存在较大的低灰度区域,因此可根据灰度图像对应的灰度尺寸区域矩阵得到当前灰度图像的清晰度,作为一个示例,第帧灰度图像的清晰度的计算方法为:
其中,表示第帧灰度图像的清晰度;表示第帧灰度图像的灰度尺寸区域矩阵中第个灰度阶对应连通域的面积为时出现的频数;表示灰度尺寸区域矩阵中连通域的最大面积;表示灰度阶,本发明实施例中灰度阶的数量为10;表示面积;表示以自然常数e为底的指数函数。
表示灰度尺寸区域矩阵中低灰度阶大面积区域的度量值,灰度阶越小、灰度阶对应连通域的面积越大且频数越多时,该度量值越大;表示灰度尺寸区域矩阵中高灰度阶大面积区域的度量值,灰度阶越大、灰度阶对应连通域的面积越大且频数越多时,该度量值越大;通过获取第帧灰度图像的灰度尺寸区域矩阵中低灰度阶大面积区域的度量值以及高灰度阶大面积区域的度量值,分别用于度量第帧灰度图像中的过曝区域和欠曝区域,也即是用于表征第帧灰度图像中是否出现较大范围的高灰度阶区域以及较大范围的低灰度阶区域,若第帧灰度图像的与的求和越大,也即是取值越大时,则表明当前第帧灰度图像的过曝区域和欠曝区域越大,则对应的当前第帧灰度图像的清晰度越小,用于表示负相关映射,使得清晰度与的取值满足负相关的关系。
基于获取第帧灰度图像的清晰度相同的方法,获取每帧灰度图像对应的清晰度;清晰度的获取考虑到了实际眼底图像中可能存在的过曝区域和欠曝区域,结合过曝和欠曝的特征得到每帧灰度图像的清晰度更加准确。
但仅仅依靠灰度图像的清晰度进行加密,则加密图像极易遭到暴力破解,使得对灰度图像的加密效果较差;对于眼底图像而言,非背景类的特征纹理相较于背景类的特征纹理更加重要,且特征纹理分布越不均匀的区域也越重要,因此为了保证每帧眼底图像对应的灰度图像的加密信息隐蔽性,将灰度图像划分为多个图像块进行不同程度的加密分析,以增加图像信息的隐蔽性。
(2)将灰度图像划分为至少两个图像块,获取每个图像块的连通程度。
具体的,对灰度阶量化后的灰度图像进行分析,灰度阶量化后的灰度图像为更新图像,以第帧更新图像为例,将该更新图像划分为A个图像块,A为正整数且A至少为2,实施者可根据实际情况进行调整设定,本发明实施例中设置A的取值为16,也即是将第帧更新图像平均划分为16个图像块,进而对每个图像块的灰度趋势度分布特征进行分析,灰度趋势度分布特征表示图像块中非背景类的特征纹理分布,根据不同灰度阶在图像块中的连通程度获取图像块的特征纹理分布。
以第帧更新图像中第个图像块为例,获取图像块中每个灰度阶的连通程度,连通程度的获取方法具体为:
由于图像块中的像素值为1-10的灰度阶,则通过连通域分析可得到图像块中每个灰度阶对应的至少一个连通域,且得到每个连通域的面积,本发明实施例中连通域的面积为连通域内像素点的数量。
对每个连通域进行形态学骨架化处理,形态学骨架化处理的输入数据为每个灰度阶对应的连通域,输出为每个连通域的骨架,骨架可理解为连通域的中轴线,将每个连通域对应的骨架上的每个像素点作为该连通域的骨架节点,连通域分析与形态学骨架化处理均为现有公知技术,不再赘述。
进一步的,计算每个连通域的趋势方向,对于每个灰度阶的任意一个连通域,计算方向与方向的差值,方向表示连通域的骨架上第个骨架节点和第个骨架节点的方向,方向表示连通域的骨架上第个骨架节点和第个骨架节点的方向,为正整数;将差值与预设方向阈值比较,差值不小于预设方向阈值时,变化次数加1;计算骨架上所有相邻的方向之间的差值,统计差值不小于预设方向阈值的数量,数量为连通域的变化次数;计算每个灰度阶对应的所有连通域的变化次数的均值为平均变化次数。
具体的,以第个图像块中任意灰度阶对应的第个连通域为例,为正整数,获取第个连通域对应的骨架,将骨架上第个点记为骨架节点,计算相邻的骨架节点之间的方向来确定当前连续的骨架节点的方向性,通过多个连续的骨架节点的方向性变化来表征趋势方向;首先,计算骨架上第个骨架节点与第个骨架节点之间的方向,计算骨架上第个骨架节点与第个骨架节点之间的方向,通过设置方向阈值进行判断,若与之间的差异小于方向阈值,则表明骨架上第个骨架节点、第个骨架节点与第个骨架节点处于同一个趋势方向,方向阈值由实施者根据具体情况设定,本发明实施例中给出经验参考值。
骨架上第个骨架节点与第个骨架节点之间的方向的计算方法为:
其中,表示骨架上第个骨架节点的坐标;表示骨架上第个骨架节点的坐标;表示反正切函数。
基于上述对骨架上相邻两个节点之间的方向的计算,遍历第个连通域的骨架上所有的骨架节点,计算每两个骨架节点之间的方向,并计算相邻两个方向之间的差值,将该差值与预设的方向阈值进行比较,统计第个连通域的骨架上相邻两个骨架节点之间的方向的差异不小于方向阈值数量,数量为对应连通域的变化次数,若数量的取值越大,则表明第个连通域的趋势方向的变化较多,存在较多的特征纹理分布。
基于上述获取第个连通域上数量相同的方法,获取第个图像块中当前灰度阶对应的所有连通域的数量,并根据所有连通域的数量求取均值得到平均变化次数。
由此可得到第个图像块中每个灰度阶对应的所有连通域的平均变化次数,以及每个灰度阶对应的每个连通域的面积,根据每个灰度阶对应的连通域的总面积以及每个灰度阶对应的平均变化次数得到第个图像块的连通程度,连通程度的计算为:
其中,表示第个图像块的连通程度;表示双曲正切函数;表示第个图像块中第个灰度阶对应的连通域的总面积;表示第个图像块中第个灰度阶对应的平均变化次数;表示第个图像块中所有灰度阶的数量。
若第个图像块中每个灰度阶对应的连通域的总面积越大,且该灰度阶对应的连通域的趋势方向变化较多,则表明第个图像块存在较多的特征纹理分布,相应的第个图像块对应的连通程度就越大。
基于获取第个图像块的连通程度相同的方法,获取更新图像中每个图像块对应的连通程度。
(3)根据每个图像块的连通程度以及图像块所在的灰度图像的清晰度获取模糊核大小。
当灰度图像的清晰度越高且灰度图像中的特征纹理分布越多时,则对该灰度图像的加密性应该更高,加密程度更大,以使得该灰度图像的图像信息更加的隐蔽。因此根据得到的灰度图像的清晰度以及灰度图像中每个图像块的连通程度进行加密程度的获取,本发明实施例中加密的方法是采用固定的模糊核参数对灰度图像进行模糊处理,模糊核参数由实施者自行设定,本实施例中参照高斯模糊核为例,将模糊处理后的模糊图像作为加密图像,通过灰度图像中每个图像块的连通程度以及灰度图像的清晰度自适应获取不同大小的模糊核,从而对不同的图像块进行自适应加密,保证了加密的多样性和加密信息的隐蔽性。
计算图像块的连通程度与图像块所在灰度图像的清晰度的乘积,选取灰度图像中所有图像块对应的乘积的结果的最大值和最小值,以最大值和最小值的差值作为第一差值;计算当前图像块对应的乘积的结果与最小值的差值作为第二差值,第二差值与第一差值的比值为当前图像块的模糊程度量化值。
具体的,以第帧灰度图像中第个图像块为例,根据第个图像块的连通程度以及第帧灰度图像的清晰度获取第个图像块的模糊程度量化值为:
其中,表示第帧灰度图像中第个图像块的模糊程度量化值;表示第帧灰度图像的清晰度;表示第帧灰度图像中第个图像块的连通程度;表示灰度图像的清晰度与该灰度图像中任意图像块的连通程度的乘积;表示每帧灰度图像的清晰度与该灰度图像中任意图像块的连通程度的乘积中的最小值;表示每帧灰度图像的清晰度与该灰度图像中任意图像块的连通程度的乘积中的最大值;表示第一差值;表示第二差值。
在对某一帧灰度图像的某个图像块进行模糊程度量化值的计算过程中,通过结合图像块对应的连通程度以及图像块所在灰度图像的清晰度进行整体分析,综合考虑了每个图像块所包含的特征信息,灰度图像的清晰度越小,表明当前灰度图像的信息越不明显,图像的质量越差,则加密时可以采用较小的模糊程度即可达到较好的隐蔽效果,当灰度图像中某个图像块对应的连通程度越小,表明图像中趋势方向的变化较小,存在较少的特征纹理分布,则较小的模糊程度对其进行加密即可得到较好的隐蔽效果。
以此类推,获取每帧灰度图像中每个图像块对应的模糊程度量化值,根据每个图像块对应的模糊程度量化值进行模糊核大小的具体计算,则第帧灰度图像中第个图像块对应的模糊核大小的计算为:
其中,表示第帧灰度图像中第个图像块对应的模糊核大小;表示调整参数,由实施者自行设定;表示第帧灰度图像中第个图像块的模糊程度量化值;表示取整函数。
作为优选,本发明实施例中设置调整参数为经验值。
图像块对应的模糊程度量化值越大,表明该图像需要被加密的加密程度越大,对应的模糊核大小越大;为了将模糊核大小限制为奇数,对得到的每个图像块的模糊核大小进行奇偶数判定,若计算得到的模糊核大小为奇数,则为第帧灰度图像中第个图像块对应的模糊核尺寸;若计算得到的模糊核大小为偶数,则为第帧灰度图像中第个图像块对应的模糊核尺寸。
以此类推,得到每帧灰度图像中每个图像块对应的模糊核大小,也即是得到每个图像块自适应的模糊核尺寸。
(4)通过每个图像块对应的模糊核大小进行加密。
通过每个图像块对应的模糊核尺寸以及固定参数的高斯模糊核对对应的图像块进行模糊处理,得到模糊后的模糊图像块,该模糊图像块即为图像块加密后的加密图像块。通过对每帧灰度图像中每个图像块进行密钥的设置:由于每个图像块均对应一个模糊核大小,基于模糊核大小得到每个图像块对应的模糊处理后的模糊图像块,且可基于模糊核大小和模糊图像块获取去模糊后的图像块,即每个图像块对应的高斯模糊核即为该图像块对应的密钥。
由此,得到每帧灰度图像中每个图像块经过模糊处理后的模糊图像块,所有的模糊图像块构成完整的模糊图像,该模糊图像即为灰度图像对应的加密后的加密图像,每个图像块的高斯模糊核为对应的密钥,密钥的内容为:灰度图像帧数、图像块序号以及对应的高斯模糊核。
步骤S400,图像发送方打包加密图像,并将打包后的加密图像通过图像传输通道发送至图像接收方。
将步骤S300中得到的每帧眼底图像对应的加密图像进行打包传输,也即是对加密图像进行无损编码方法后进行传输,无损编码方法实施者可自行选择,例如霍夫曼编码等数据编码方法,将编码后的加密图像通过图像传输通道传输至用户的移动终端中,也即是图像接收方。
为了保证实际眼底图像的安全性,本发明实施例中将密钥进行同样的编码处理,但是不与加密图像一起进行传输,将密钥传输至云服务端的用户数据库中,具体为:当用户进行眼底图像读取时,会显示加密后的加密图像,当且仅当用户正确登入自己的账户密码时,会从云服务端的用户数据库中调整相应的密钥,根据密钥的内容即可对加密图像进行解密,进而得到解密后的眼底图像的灰度图像。
综上所述,本发明实施例中通过获取至少两帧眼底图像的灰度图像;构建每帧灰度图像对应的灰度直方图并进行曲线拟合得到灰度分布曲线,获取灰度分布曲线中每个灰度波峰的峰高和峰宽,根据峰高和峰宽得到对应灰度波峰的灰度阶数量,根据每个灰度波峰对应的灰度阶获取灰度图像的更新图像,基于更新图像构建灰度尺寸区域矩阵以得到对应灰度图像的清晰度;将每帧更新图像划分为至少两个图像块,获取每个图像块中每个灰度阶对应的连通域,并获取每个连通域中的骨架节点,计算连通域中相邻两个骨架节点的方向,根据所有相邻两个骨架节点的方向得到连通域的平均变化次数;根据平均变化次数以及每个连通域的面积获取图像块的连通程度;根据每帧灰度图像的清晰度以及每个图像块的连通程度获取每个图像块的模糊程度量化值,基于模糊程度量化值获取每个图像块的模糊核大小;根据每个图像块对应的模糊核大小对图像块进行模糊处理得到模糊图像块,所有模糊图像块构成灰度图像的加密图像;利用图像发送方打包加密图像,通过图像传输通道传输至图像接收方,确保了信息的隐蔽性且加密的安全性更高。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种用于眼底图像的加密传输方法,其特征在于,该方法包括以下步骤:
以图像接收方和图像发送方构建图像传输通道;
所述图像接收方通过所述图像传输通道向图像发送方发送图像请求,图像请求包括所述图像接收方需要接收的眼底图像信息;
所述图像发送方在收到图像请求后,根据收到的眼底图像信息获取对应的至少两帧眼底图像;获取每帧所述眼底图像的清晰度,并将每帧所述眼底图像划分为至少两个图像块;获取每个所述图像块对应的连通程度,基于每个所述图像块的连通程度以及所述图像块所在的所述眼底图像的清晰度,得到所述图像块的模糊核大小,利用每个所述图像块对应的模糊核大小对所述眼底图像进行加密,得到每帧所述眼底图像对应的加密图像;
所述图像发送方打包所述加密图像,并将打包后的所述加密图像通过所述图像传输通道发送至所述图像接收方;
所述获取每帧所述眼底图像的清晰度的步骤,包括:
获取每帧所述眼底图像的灰度图像,构建每帧灰度图像对应的灰度直方图并进行曲线拟合得到灰度分布曲线,获取灰度分布曲线中每个灰度波峰的峰高和峰宽,根据所述峰高和所述峰宽得到对应灰度波峰的灰度阶数量,根据每个灰度波峰对应的灰度阶获取灰度图像的更新图像,基于所述更新图像构建灰度尺寸区域矩阵以得到对应灰度图像的清晰度;
所述获取每个所述图像块对应的连通程度的步骤,包括:
获取每个图像块中每个灰度阶对应的连通域,并获取每个连通域中的骨架节点,计算连通域中相邻两个骨架节点的方向,根据所有相邻两个骨架节点的方向得到每个灰度阶的平均变化次数;根据所述平均变化次数以及每个连通域的面积获取图像块的连通程度;
所述获取每个连通域中的骨架节点,计算连通域中相邻两个骨架节点的方向的步骤,包括:
利用形态学骨架化算法获取每个连通域的骨架,所述骨架上每个像素点为对应连通域的骨架节点;
分别获取相邻两个骨架节点的坐标,计算相邻两个骨架节点对应的纵坐标的差值和横坐标的差值,获取纵坐标的差值与横坐标的差值的比值,所述比值的反正切值为相邻两个骨架节点的方向;
所述利用每个所述图像块对应的模糊核大小对所述眼底图像进行加密的步骤包括:
通过每个所述图像块对应的模糊核尺寸以及固定参数的高斯模糊核对对应的图像块进行模糊处理,得到模糊后的模糊图像块作为图像块加密后的加密图像块。
2.根据权利要求1所述的一种用于眼底图像的加密传输方法,其特征在于,图像传输的方法包括:模拟传输和数字传输。
3.根据权利要求1所述的一种用于眼底图像的加密传输方法,其特征在于,所述根据所述峰高和所述峰宽得到对应灰度波峰的灰度阶数量的步骤,包括:
计算灰度波峰的所述峰高与所述峰宽的乘积作为幂指数,以自然常数e为底数构建波峰指数函数;计算当前灰度波峰的波峰指数函数与所有灰度波峰的波峰指数函数之和的比值作为量化程度;
预设灰度阶数量,根据灰度波峰的量化程度与预设灰度阶数量的乘积得到灰度波峰对应的灰度阶数量。
4.根据权利要求3所述的一种用于眼底图像的加密传输方法,其特征在于,所述基于所述更新图像构建灰度尺寸区域矩阵以得到对应灰度图像的清晰度的步骤,包括:
获取更新图像中每个灰度阶对应的至少一个连通域,获取每个连通域的面积,根据预设灰度阶数量以及每个灰度阶对应的连通域的面积构建灰度尺寸区域矩阵,所述灰度尺寸区域矩阵的行数与预设灰度阶数量一致,所述灰度尺寸区域矩阵的列数为每个灰度阶对应的连通域的最大面积;
根据所述灰度尺寸区域矩阵获取每个灰度阶对应的连通域的面积的出现频数,基于每个灰度阶对应的连通域的面积的出现频数获取灰度图像对应的清晰度的计算为:
其中,表示第帧灰度图像的清晰度;表示第帧灰度图像的灰度尺寸区域矩阵中第个灰度阶对应连通域的面积为时出现的频数;表示灰度尺寸区域矩阵中连通域的最大面积;表示以自然常数e为底的指数函数。
5.根据权利要求1所述的一种用于眼底图像的加密传输方法,其特征在于,所述根据所有相邻两个骨架节点的方向得到每个灰度阶的平均变化次数的步骤,包括:
对于每个灰度阶的任意一个连通域,计算方向与方向的差值,方向表示连通域的骨架上第个骨架节点和第个骨架节点的方向,方向表示连通域的骨架上第个骨架节点和第个骨架节点的方向,为正整数;
将所述差值与预设方向阈值比较,所述差值不小于预设方向阈值时,变化次数加1;计算骨架上所有相邻的方向之间的差值,统计所述差值不小于预设方向阈值的数量,所述数量为连通域的变化次数;
计算每个灰度阶对应的所有连通域的变化次数的均值为平均变化次数。
6.根据权利要求1所述的一种用于眼底图像的加密传输方法,其特征在于,所述根据所述平均变化次数以及每个连通域的面积获取图像块的连通程度的步骤,包括:
计算每个灰度阶对应的所有连通域的总面积,获取每个灰度阶对应的所有连通域的总面积与平均变化次数的乘积结果,根据图像块中所有灰度阶对应的所述乘积结果的求和得到图像块的连通程度。
7.根据权利要求1所述的一种用于眼底图像的加密传输方法,其特征在于,所述基于每个所述图像块的连通程度以及所述图像块所在的所述眼底图像的清晰度,得到所述图像块的模糊核大小的步骤,包括:
计算图像块的连通程度与图像块所在灰度图像的清晰度的乘积,选取灰度图像中所有图像块对应的乘积的结果的最大值和最小值,以所述最大值和所述最小值的差值作为第一差值;
计算当前图像块对应的乘积的结果与所述最小值的差值作为第二差值,所述第二差值与所述第一差值的比值为当前图像块的模糊程度量化值;
计算当前图像块对应的所述模糊程度量化值与预设的调整参数的乘积值,对所述乘积值进行取整得到当前图像块的模糊核大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806176.5A CN116527407B (zh) | 2023-07-04 | 2023-07-04 | 一种用于眼底图像的加密传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806176.5A CN116527407B (zh) | 2023-07-04 | 2023-07-04 | 一种用于眼底图像的加密传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116527407A true CN116527407A (zh) | 2023-08-01 |
CN116527407B CN116527407B (zh) | 2023-09-01 |
Family
ID=87408538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310806176.5A Active CN116527407B (zh) | 2023-07-04 | 2023-07-04 | 一种用于眼底图像的加密传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116527407B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740068A (zh) * | 2023-08-15 | 2023-09-12 | 贵州毅丹恒瑞医药科技有限公司 | 一种白内障手术用智能导航系统 |
CN117061794A (zh) * | 2023-10-12 | 2023-11-14 | 深圳市迪威泰实业有限公司 | 一种具有数据加密保护的银行监控摄像头及其监控方法 |
CN117115172A (zh) * | 2023-10-25 | 2023-11-24 | 山东鲁润阿胶药业有限公司 | 一种基于机器视觉的阿胶品质检测方法及系统 |
CN117195274A (zh) * | 2023-11-08 | 2023-12-08 | 北京点聚信息技术有限公司 | 一种版式文件防伪方法与系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050069207A1 (en) * | 2002-05-20 | 2005-03-31 | Zakrzewski Radoslaw Romuald | Method for detection and recognition of fog presence within an aircraft compartment using video images |
US20070053588A1 (en) * | 2005-09-08 | 2007-03-08 | Chao-Lieh Chen | Method for retrieving original intact characteristics of heavily polluted images and its image processing |
US8798383B1 (en) * | 2011-03-28 | 2014-08-05 | UtopiaCompression Corp. | Method of adaptive structure-driven compression for image transmission over ultra-low bandwidth data links |
US20170195681A1 (en) * | 2011-03-28 | 2017-07-06 | UtopiaCompression Corporation | Method of Adaptive Structure-Driven Compression for Image Transmission over Ultra-Low Bandwidth Data Links |
KR20170087814A (ko) * | 2016-01-21 | 2017-07-31 | 삼성전자주식회사 | 영상 블러링 제거 방법 및 장치 |
CN109493283A (zh) * | 2018-08-23 | 2019-03-19 | 金陵科技学院 | 一种高动态范围图像鬼影消除的方法 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
WO2021129569A1 (zh) * | 2019-12-25 | 2021-07-01 | 神思电子技术股份有限公司 | 一种人体动作识别方法 |
WO2022092620A1 (en) * | 2020-10-30 | 2022-05-05 | Samsung Electronics Co., Ltd. | Method and system operating an imaging system in an image capturing device based on artificial intelligence techniques |
CN114549492A (zh) * | 2022-02-27 | 2022-05-27 | 北京工业大学 | 一种基于多粒度图像信息内容的质量评价方法 |
CN116385313A (zh) * | 2023-05-15 | 2023-07-04 | 南京师范大学 | 基于图像处理的婴幼儿人际沟通拼图训练系统及方法 |
-
2023
- 2023-07-04 CN CN202310806176.5A patent/CN116527407B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050069207A1 (en) * | 2002-05-20 | 2005-03-31 | Zakrzewski Radoslaw Romuald | Method for detection and recognition of fog presence within an aircraft compartment using video images |
US20070053588A1 (en) * | 2005-09-08 | 2007-03-08 | Chao-Lieh Chen | Method for retrieving original intact characteristics of heavily polluted images and its image processing |
US8798383B1 (en) * | 2011-03-28 | 2014-08-05 | UtopiaCompression Corp. | Method of adaptive structure-driven compression for image transmission over ultra-low bandwidth data links |
US20170195681A1 (en) * | 2011-03-28 | 2017-07-06 | UtopiaCompression Corporation | Method of Adaptive Structure-Driven Compression for Image Transmission over Ultra-Low Bandwidth Data Links |
KR20170087814A (ko) * | 2016-01-21 | 2017-07-31 | 삼성전자주식회사 | 영상 블러링 제거 방법 및 장치 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
CN109493283A (zh) * | 2018-08-23 | 2019-03-19 | 金陵科技学院 | 一种高动态范围图像鬼影消除的方法 |
WO2021129569A1 (zh) * | 2019-12-25 | 2021-07-01 | 神思电子技术股份有限公司 | 一种人体动作识别方法 |
WO2022092620A1 (en) * | 2020-10-30 | 2022-05-05 | Samsung Electronics Co., Ltd. | Method and system operating an imaging system in an image capturing device based on artificial intelligence techniques |
CN114549492A (zh) * | 2022-02-27 | 2022-05-27 | 北京工业大学 | 一种基于多粒度图像信息内容的质量评价方法 |
CN116385313A (zh) * | 2023-05-15 | 2023-07-04 | 南京师范大学 | 基于图像处理的婴幼儿人际沟通拼图训练系统及方法 |
Non-Patent Citations (4)
Title |
---|
XUELING CHEN ET.AL: "Blur kernel estimation of noisy-blurred image via dynamic structure prior", 《ELSEVIER: NEUROCOMPUTING》, vol. 403, pages 268 - 281, XP086193761, DOI: 10.1016/j.neucom.2020.03.067 * |
田清越;高志荣;熊承义;陈少波;: "联合边缘增强的MSER自然场景文本检测", 小型微型计算机系统, no. 11 * |
郑志华: "复杂场景渲染效果图光照高亮区域自动分割技术的研究和实现", 《中国优秀硕士学位论文全文数据库(电子期刊)》, no. 01 * |
阿兵-AI医疗: "形态学之灰度形态学", 《CSDN博客》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740068A (zh) * | 2023-08-15 | 2023-09-12 | 贵州毅丹恒瑞医药科技有限公司 | 一种白内障手术用智能导航系统 |
CN116740068B (zh) * | 2023-08-15 | 2023-10-10 | 贵州毅丹恒瑞医药科技有限公司 | 一种白内障手术用智能导航系统 |
CN117061794A (zh) * | 2023-10-12 | 2023-11-14 | 深圳市迪威泰实业有限公司 | 一种具有数据加密保护的银行监控摄像头及其监控方法 |
CN117061794B (zh) * | 2023-10-12 | 2024-02-13 | 深圳市迪威泰实业有限公司 | 一种具有数据加密保护的银行监控摄像头及其监控方法 |
CN117115172A (zh) * | 2023-10-25 | 2023-11-24 | 山东鲁润阿胶药业有限公司 | 一种基于机器视觉的阿胶品质检测方法及系统 |
CN117115172B (zh) * | 2023-10-25 | 2024-01-12 | 山东鲁润阿胶药业有限公司 | 一种基于机器视觉的阿胶品质检测方法及系统 |
CN117195274A (zh) * | 2023-11-08 | 2023-12-08 | 北京点聚信息技术有限公司 | 一种版式文件防伪方法与系统 |
CN117195274B (zh) * | 2023-11-08 | 2024-01-26 | 北京点聚信息技术有限公司 | 一种版式文件防伪方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116527407B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116527407B (zh) | 一种用于眼底图像的加密传输方法 | |
Wang et al. | Reduced-reference image quality assessment using a wavelet-domain natural image statistic model | |
Zhou et al. | A novel lossless medical image encryption scheme based on game theory with optimized ROI parameters and hidden ROI position | |
Egiazarian et al. | New full-reference quality metrics based on HVS | |
CN109118470B (zh) | 一种图像质量评价方法、装置、终端和服务器 | |
CN104284190B (zh) | 一种基于ambtc高低均值最优化的压缩图像隐写编码方法 | |
CN103426173B (zh) | 一种立体图像质量的客观评价方法 | |
CN112365418B (zh) | 一种图像失真评测的方法、装置及计算机设备 | |
CN102521825B (zh) | 一种基于零水印的立体图像质量客观评价方法 | |
CN110189266A (zh) | 一种自适应的快速图像增强方法 | |
CN108574807B (zh) | 一种影像处理方法及相关设备 | |
Bashir et al. | Intelligent reorganized discrete cosine transform for reduced reference image quality assessment | |
Fang et al. | Blind 3D-synthesized image quality measurement by analysis of local and global statistical properties | |
CN103596006A (zh) | 基于视觉冗余度量的图像压缩方法 | |
CN109377465A (zh) | 一种基于图像信息熵的图像质量鉴定方法 | |
Ponomarenko et al. | Statistical evaluation of no-reference image visual quality metrics | |
CN103578104A (zh) | 一种针对高斯模糊图像的部分参考图像客观质量评价方法 | |
CN115866277A (zh) | 视频编码控制方法、视频编码控制设备及可读存储介质 | |
Wang et al. | Reduced-reference image quality assessment in modified reorganized DCT domain | |
Vu et al. | A no-reference quality assessment algorithm for JPEG2000-compressed images based on local sharpness | |
CN116389761B (zh) | 一种护理学临床仿真教学数据管理系统 | |
Lan et al. | A novel image quality assessment method based on vision attention | |
Sathisha et al. | Non embedding steganography using average technique in transform domain | |
CN115205952B (zh) | 一种基于深度学习的线上学习图像采集方法及系统 | |
Fernandez-Maloigne et al. | QUALITAS: image quality assessment for stereoscopic images |
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 |