CN111968025A - 基于Bandelet-DCT医学图像鲁棒零水印方法 - Google Patents
基于Bandelet-DCT医学图像鲁棒零水印方法 Download PDFInfo
- Publication number
- CN111968025A CN111968025A CN202010836889.2A CN202010836889A CN111968025A CN 111968025 A CN111968025 A CN 111968025A CN 202010836889 A CN202010836889 A CN 202010836889A CN 111968025 A CN111968025 A CN 111968025A
- Authority
- CN
- China
- Prior art keywords
- medical image
- watermark
- original
- detected
- 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.)
- 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
- 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
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (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Bandelet‑DCT医学图像鲁棒零水印方法,包括:对原始医学图像进行Bandelet‑DCT变换,得到系数特征矩阵,利用哈希函数运算生成特征二值序列;对原始水印进行混沌置乱加密,得到混沌置乱水印,并将水印信息嵌入至原始医学图像中,同时获取二值逻辑密钥序列并保存在第三方;同理生成待测医学图像的特征二值序列;根据该特征二值序列和二值逻辑密钥序列,提取出加密水印并进行解密,得到还原水印;将原始水印和还原水印进行归一化相关系数计算,确定待测医学图像的所有权和嵌入的水印信息。该方法在抗几何攻击和常规攻击中具有较好的鲁棒性和不可见性,能同时保护病人的隐私信息和医学图像的数据安全。
Description
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Bandelet-DCT医学图像鲁棒零水印方法。
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,并且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。并且医学图像数据有着其独有的特点,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,并且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。这与普通数码相机获取的数字图像所需的代价形成迥然的对比。无论从哪个方面来讲,任何可能对医学图像造成损失的操作都是不可取的。目前鲁棒水印技术是保护数字内容版权的主要方法,但是传统的鲁棒水印方法并不能对医学图像本身进行保护,容易对原图数据修改造成缺陷。
因此,如何有效保护医学图像的数据安全和病人的隐私信息,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Bandelet-DCT医学图像鲁棒零水印方法,嵌入的水印在抗几何攻击和常规攻击中具有较好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。其具体方案如下:
一种基于Bandelet-DCT医学图像鲁棒零水印方法,包括:
对原始医学图像进行Bandelet-DCT变换,得到所述原始医学图像的系数特征矩阵,并利用哈希函数运算生成所述原始医学图像的特征二值序列;
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,并根据生成的所述特征二值序列和得到的所述混沌置乱水印,将水印信息嵌入至所述原始医学图像中,同时获取二值逻辑密钥序列并保存在第三方;
对待测医学图像进行Bandelet-DCT变换,得到所述待测医学图像的系数特征矩阵,并利用哈希函数运算生成所述待测医学图像的特征二值序列;
根据所述待测医学图像的特征二值序列和保存在第三方的所述二值逻辑密钥序列,提取出加密水印,并对提取的所述加密水印进行解密,得到还原水印;
将所述原始水印和所述还原水印进行归一化相关系数计算,根据计算得到的所述相关系数确定所述待测医学图像的所有权和嵌入的水印信息。
优选地,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,对原始医学图像进行Bandelet-DCT变换,得到所述原始医学图像的系数特征矩阵,具体包括:
对原始医学图像进行尺度不变特征预处理变换,建立所述原始医学图像的局部特征不变区域;
对所述原始医学图像的局部特征不变区域进行Bandelet变换,得到所述原始医学图像的特征系数矩阵;
对所述原始医学图像的特征系数矩阵进行全图DCT变换,得到所述原始医学图像的系数特征矩阵。
优选地,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,利用哈希函数运算生成所述原始医学图像的特征二值序列,具体包括:
选取所述原始医学图像的系数特征矩阵低频处的4*8的矩阵构成新矩阵;
利用哈希函数运算生成32位所述原始医学图像的特征二值序列。
优选地,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,对所述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;
对生成的所述混沌序列利用哈希函数运算生成二值序列;
按照生成的所述二值序列的顺序对所述原始水印像素的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Bandelet-DCT医学图像鲁棒零水印方法中,根据生成的所述特征二值序列和得到的所述混沌置乱水印,将水印信息嵌入至所述原始医学图像中,具体包括:
将生成的所述特征二值序列和得到的所述混沌置乱水印逐位进行异或运算,以将水印信息嵌入至所述原始医学图像中。
优选地,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,对待测医学图像进行Bandelet-DCT变换,得到所述待测医学图像的系数特征矩阵,具体包括:
对待测医学图像进行尺度不变特征预处理变换,建立所述待测医学图像的局部特征不变区域;
对所述待测医学图像的局部特征不变区域进行Bandelet变换,得到所述待测医学图像的特征系数矩阵;
对所述待测医学图像的特征系数矩阵进行全图DCT变换,得到所述待测医学图像的系数特征矩阵。
优选地,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,利用哈希函数运算生成所述待测医学图像的特征二值序列,具体包括:
选取所述待测医学图像的系数特征矩阵低频处的4*8的矩阵构成新矩阵;
利用哈希函数运算生成32位所述待测医学图像的特征二值序列。
优选地,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,根据所述待测医学图像的特征二值序列和保存在第三方的所述二值逻辑密钥序列,提取出加密水印,具体包括:
将所述待测医学图像的特征二值序列和保存在第三方的所述二值逻辑密钥序列进行异或运算,提取出加密水印。
优选地,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,对提取的所述加密水印进行解密,得到还原水印,具体包括:
按照生成的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Bandelet-DCT医学图像鲁棒零水印方法,包括:对原始医学图像进行Bandelet-DCT变换,得到原始医学图像的系数特征矩阵,并利用哈希函数运算生成原始医学图像的特征二值序列;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,并根据生成的特征二值序列和得到的混沌置乱水印,将水印信息嵌入至原始医学图像中,同时获取二值逻辑密钥序列并保存在第三方;对待测医学图像进行Bandelet-DCT变换,得到待测医学图像的系数特征矩阵,并利用哈希函数运算生成待测医学图像的特征二值序列;根据待测医学图像的特征二值序列和保存在第三方的二值逻辑密钥序列,提取出加密水印,并对提取的加密水印进行解密,得到还原水印;将原始水印和还原水印进行归一化相关系数计算,根据计算得到的相关系数确定待测医学图像的所有权和嵌入的水印信息。
本发明提供的上述医学图像鲁棒水印方法,基于Bandelet-DCT变换,具有正交、无边界效应、并能更好的提取图像复杂纹理和边缘等图像几何特征,且有很好的去噪能力,并且,通过将多尺度几何分析中的条带波变换、密码学、哈希函数和零水印嵌入技术结合,高效地弥补了传统的数字水印方法不能对医学图像本身进行保护及对原图数据修改造成缺陷的缺点,可以保证医学图像的安全传输,嵌入的水印在抗几何攻击和常规攻击中具有较好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,并利用第三方的概念,适应了现今网络技术的实用化和规范化。
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Bandelet-DCT医学图像鲁棒零水印方法的流程图;
图2为本发明实施例提供的原始医学图像;
图3为本发明实施例提供的原始水印图像;
图4为本发明实施例提供的加密后的水印图像;
图5为本发明实施例提供的不加干扰时提取的水印;
图6为本发明实施例提供的高斯噪声干扰强度30%时的医学图像;
图7为本发明实施例提供的高斯噪声干扰强度30%时提取的水印;
图8为本发明实施例提供的压缩质量为2%的JPEG压缩时的医学图像;
图9为本发明实施例提供的压缩质量为2%的JPEG压缩时提取的水印;
图10为本发明实施例提供的窗口大小为[5x5],滤波次数20次的中值滤波后的医学图像;
图11为本发明实施例提供的窗口大小为[5x5],滤波次数20次的中值滤波后提取的水印;
图12为本发明实施例提供的窗口大小为[7x7],滤波次数10次的中值滤波后的医学图像;
图13为本发明实施例提供的窗口大小为[7x7],滤波次数10次的中值滤波后提取的水印;
图14为本发明实施例提供的顺时针旋转10°的医学图像;
图15为本发明实施例提供的顺时针旋转10°时提取的水印;
图16为本发明实施例提供的顺时针旋转30°的医学图像;
图17为本发明实施例提供的顺时针旋转30°时提取的水印;
图18为本发明实施例提供的缩放0.8倍的医学图像;
图19为本发明实施例提供的缩放0.8倍时提取的水印;
图20为本发明实施例提供的水平左移30%的医学图像;
图21为本发明实施例提供的水平左移30%时提取的水印;
图22为本发明实施例提供的垂直下移25%的医学图像;
图23为本发明实施例提供的垂直下移25%时提取的水印;
图24为本发明实施例提供的剪切左上角128*128图像块后的医学图像;
图25为本发明实施例提供的剪切左上角128*128图像块后提取的水印;
图26为本发明实施例提供的剪切中间256*256图像块后的医学图像;
图27为本发明实施例提供的剪切中间256*256图像块后提取的水印。
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Bandelet-DCT医学图像鲁棒零水印方法,如图1所示,包括以下步骤:
S101、对原始医学图像进行Bandelet-DCT变换,得到原始医学图像的系数特征矩阵,并利用哈希函数运算生成原始医学图像的特征二值序列(即视觉特征向量);
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,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、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,并根据生成的特征二值序列和得到的混沌置乱水印,将水印信息嵌入至原始医学图像中,同时获取二值逻辑密钥序列并保存在第三方;
S103、对待测医学图像进行Bandelet-DCT变换,得到待测医学图像的系数特征矩阵,并利用哈希函数运算生成待测医学图像的特征二值序列;
可以理解的是,这里的待测医学图像可以认为是原始医学图像在网络传输的过程中可能受到高斯噪声干扰、中值滤波、压缩、旋转、平移等几何攻击或常规攻击后形成的医学图像;
S104、根据待测医学图像的特征二值序列和保存在第三方的二值逻辑密钥序列,提取出加密水印,并对提取的加密水印进行解密,得到还原水印;
S105、将原始水印和还原水印进行归一化相关系数计算,根据计算得到的相关系数确定待测医学图像的所有权和嵌入的水印信息。
在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,主要包括基于Bandelet-DCT原始医学图像视觉特征向量提取、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,基于Bandelet-DCT变换,具有正交、无边界效应、并能更好的提取图像复杂纹理和边缘等图像几何特征,且有很好的去噪能力,并且,通过将多尺度几何分析中的条带波变换、密码学、哈希函数和零水印嵌入技术结合,高效地弥补了传统的数字水印方法不能对医学图像本身进行保护及对原图数据修改造成缺陷的缺点,可以保证医学图像的安全传输,嵌入的水印在抗几何攻击和常规攻击中具有较好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,并利用第三方的概念,适应了现今网络技术的实用化和规范化。
在具体实施时,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,步骤S101对原始医学图像进行Bandelet-DCT变换,得到原始医学图像的系数特征矩阵,并利用哈希函数运算生成原始医学图像的特征二值序列,具体可以包括:
首先,对原始医学图像Img(i,j)进行尺度不变特征预处理变换,提取原始医学图像Img(i,j)中潜在的特征点,根据特征点的尺度因子,建立原始医学图像Img(i,j)的局部特征不变区域;
[image0,descrips0,locs0]=sift(Img)
然后,对原始医学图像Img(i,j)的局部特征不变区域进行Bandelet变换(处理鲁棒特征区域),得到原始医学图像Img(i,j)的特征系数矩阵MB_0(i,j);
之后,对原始医学图像Img(i,j)的特征系数矩阵MB_0(i,j)进行全图DCT变换,得到原始医学图像Img(i,j)的系数特征矩阵D0(i,j);
D0(i,j)=DCT2(MB_0(i,j))
随后,选取原始医学图像Img(i,j)的系数特征矩阵D0(i,j)低频处(能量最集中的左上角)的4*8的矩阵构成新矩阵A(i,j);
最后,利用哈希函数运算生成32位原始医学图像Img(i,j)的特征二值序列Vec(i,j)。
由于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。本发明中通过尺度不变特征变换算法对图片进行预处理,具有尺度不变性和旋转不变性,通过对图像进行Bandelet变换,得到Bandelet系数及其统计特征作为图像最终特征,然后对特征矩阵进行DCT变换,在变换后的矩阵的低频系数部分,选取一个4*8的矩阵,利用哈希函数可以得到一个特征二值序列,而该特征二值序列是稳定的。本发明可以很好地将尺度不变特性与Bandelet变换的优点融合,再进行DCT变换,提升了水印图像的抗常规攻击能力、遍历性、鲁棒性等特性,以此对医学图像进行特征提取。又由于根据人类视觉特性(HVS),低中频信号对人的视觉影响较大,代表着医疗图像的主要特征,因此选取的医疗图像的Bandelet-DCT变换后低频系数矩阵与均值的大小关系,低中频系数的个数选择与进行全图Bandelet-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。
需要说明的是,尺度不变特征变换(sale invariant feature transform,SIFT)是算子对旋转、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,条带波Bandelet变换是一种基于边缘的图像表示方法,能自适应地跟踪图像的几何正则方向。Bandelet变换是一种建立在图像小波变换基础上的再次Bandelet化的多尺度几何分析方法,具有算法简单、重构图像没有边缘效应的特点。根据图像边缘效应自适应地构造了一种局部弯曲小波变换,将局部区域中的曲线奇异改造成垂直或者水平方向上的直线奇异,再用普通的二维张量小波处理,而二维张量小波基恰恰能有效的处理水平、垂直方向上的奇异。本发明中所用Bandelet变换的出发点就是对小波系数进行分块,在每个子块中用直线逼近几何流,这便使得几何流只需一个称为几何流方向的参数控制,从而实现图像的最佳稀疏表示。
具体地,构造Bandelet变换的原理是先对图像作规定级数的二维离散正交小波,然后对高频子带分两种情况处理:第一种、对存在几何流的Bandelet块沿几何流方向进行曲波变换(Warp wavelet),将一维小波系数按Mallat规则重新排序为二维矩阵;第二种、对不存在几何流的Bandelet块保持原有小波系数。给定一块正方形区域S,沿几何流方向d重排S内的小波系数,得到一维信号。如果方向d选择正确,经一维小波变换可以对信号进一步处理得到的非零系数个数显著减少。如果S和d选择不正确,经一维小波变换,量化后非零系数个数不会有显著减少区域S内的几何流角度的判定通过最小化Lagrange函数:
其中,fθ表示由一致均匀量化后的Bandelet系数重构的一维信号,T为量化阈值,Rg表示几何流编码所需比特数,Rb表示编码量化后的Bandelet系数所需比特数,λ为Lagrange乘子,按Pennec的优化结果实验中取值为λ=3/28.获得最小化Lagrange系数的角度即为该区域内的最佳几何流方向d。在进行几何流方向θ的检测时,对于尺寸为Lx L的小方块,一般将圆周角[0,π)等角度离散为L2-1个,即θ可能的取值为
一般采用基于四叉树分割的自适应分块方式对中高频子带分块进行Bandelet变换,但由于图像在遭受攻击后,自适应的分块方式不一定能够完全再现,此时将无法正确检测水印,因此本发明可以对图像的二维小波变换各中高频子带做固定分块,然后利用Bandelet对图像固定分块进行几何流检测,对存在几何流的Bandelet块沿几何流方向进行曲波变换,得到刻画图像局部特征的Bandelet系数.在几何流检测时,取{0,π/8,π/4,3π/8,π/2,5π/8,3π/4,7π/8}共8个有限离散角度搜索几何流方向。
另外,需要说明的是,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(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。
在具体实施时,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,步骤S102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);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,对生成的混沌序列X(j)利用哈希函数运算生成二值序列;最后,按照生成的二值序列的顺序对原始水印W(i,j)像素的位置空间进行异或置乱,得到加密后的混沌置乱水印SW(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。
本发明将零水印技术与感知哈希技术相结合,作为信息安全的一项技术,可以保证安全传输,也可以实现信息认证,在现实中具有实用用途。
在具体实施时,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,步骤S102根据生成的特征二值序列和得到的混沌置乱水印,将水印信息嵌入至原始医学图像中,具体可以包括:将生成的特征二值序列V(i,j)和得到的混沌置乱水印SW(i,j)逐位进行异或运算,以将水印信息嵌入至原始医学图像中,即零水印,并同时获取二值逻辑密钥序列Key(i,j):
保存二值逻辑密钥序列Key(i,j),在之后提取水印时要用到。通过将Key(i,j)作为密钥向第三方申请,将水印信息注册到IPR信息库中,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。
本发明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,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。
同上,在具体实施时,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,步骤S103对待测医学图像进行Bandelet-DCT变换,得到待测医学图像的系数特征矩阵,并利用哈希函数运算生成待测医学图像的特征二值序列,具体可以包括:首先,对待测医学图像Img'(i,j)进行尺度不变特征预处理变换,建立待测医学图像Img'(i,j)的局部特征不变区域;然后,对待测医学图像Img'(i,j)的局部特征不变区域进行Bandelet变换,得到待测医学图像Img'(i,j)的特征系数矩阵MB_1(i,j);之后,对待测医学图像Img'(i,j)的特征系数矩阵MB_1(i,j)进行全图DCT变换,得到待测医学图像Img'(i,j)的系数特征矩阵D1(i,j);随后,选取待测医学图像Img'(i,j)的系数特征矩阵D1(i,j)低频处(能量最集中的左上角)的4*8的矩阵构成新矩阵A'(i,j);最后,利用哈希函数运算生成32位待测医学图像Img'(i,j)的特征二值序列Vec'(i,j);其中,
D1(i,j)=DCT2(MB_1(i,j))。
在具体实施时,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,步骤S104根据待测医学图像的特征二值序列和保存在第三方的二值逻辑密钥序列,提取出加密水印,具体可以包括:将待测医学图像的特征二值序列Vec'(i,j)和保存在第三方的二值逻辑密钥序列Key(i,j)进行异或运算,提取出加密水印SW'(i,j):
该算法在提取水印时只需要密钥Key(i,j),不需要原始图像参与,是一种零水印提取算法。
进一步地,在具体实施时,在本发明实施例提供的上述基于Bandelet-DCT医学图像鲁棒零水印方法中,步骤S104对提取的加密水印进行解密,得到还原水印,具体可以包括: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,生成相同的二值序列;按照生成的二值序列的顺序对提取的加密水印SW'(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:。
接下来就可以执行步骤S105通过计算W(i,j)和W'(i,j)的归一化相关系数NC,通过NC系数的高低可以确定医学图像的所有权和嵌入的水印信息。
需要说明的是,采用归一化互相关(Normalized Cross-correlation,NC)方法测量嵌入的原始水印与提取的还原水印之间的数量相似性,定义为:
其中,W(i,j)表示原始水印图像的特征向量,其长度是32bit;W'(i,j)表示还原水印图像的特征向量,也是32bit。归一化相关系数是对两幅图像进行相似度衡量的一种方法,通过求归一化相关系数可以更加精确地用数据来客观评估图像的相似度。
另外,需要注意的是,本发明可以用峰值信噪比(PSNR)表示的图片的失真程度,当PSNR值越大,图片的失真度越小。
峰值信噪比PSNR的公式如下:
其中,PSNR表示原始医学图像的失真程度,I(i,j)为原始医学图像中,坐标为(i,j)的像素点的灰度值,I'(i,j)为水印图像中,坐标为(i,j)的像素点的灰度值,M,N分别为图像的行和列的像素值,为方便运算,通常数字图像用像素方阵表示,即M=N。峰值信噪比是一个表示信号最大可能功率和影响他的表示精度的破坏性噪声功率的比值的工程术语,通常采用峰值信噪比作为医疗图像质量的客观评价标准。
下面结合附图对本发明作进一步说明:如图2所示,实验测试的对象是512*512的腹部医学图像,用I(i,j)表示,其中1≤i,j≤512。选择一个有意义的二值图像作为原始水印,记为:W={W(i,j)|W(i,j)=0,1;1≤i≤M1,1≤j≤M2},如图3所示,这里水印的大小为32*32。
首先用尺度旋转不变特征变换算子对原始图像进行预处理建立局部特征不变区域,然后对此区域进行Bandelet变换得到Bandelet系数及其统计特征作为图像最终特征,并对特征矩阵进行DCT变换,考虑到算法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*4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1024。然后对原始水印W(i,j)进行混沌置乱加密,图4示出了加密后的混沌置乱水印。在通过水印算法检测出W'(i,j)后,通过计算归一化相关系数NC来判断是否有水印嵌入,当其数值越接近1时,则相似度越高,从而判断算法的鲁棒性。用PSNR表示的图片的失真程度,当PSNR值越大,图片的失真度越小。
图5示出了不加干扰时提取的水印,可以看到NC=1.00,可以准确得提取水印。
下面通过具体实例来判断该数字水印方法的抗常规攻击能力和抗几何攻击能力。
第一、加入高斯噪声:使用imnoise()函数在水印中加入高斯噪声。
表一是水印抗高斯噪声干扰的实验数据。从表一中可以看到,当高斯噪声强度高达20%时,攻击之后的图像的PSNR降至10.08dB,这时提取的水印,相关系数NC=1.00,仍能较准确得提取水印,并且整体数据均在1.00以上。这说明采用该发明可以抗高斯噪声。图6示出了高斯噪声强度30%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7示出了高斯噪声强度30%时提取的水印,NC=0.88。
表一水印抗高斯噪声干扰数据
噪声强度(%) | 1 | 3 | 5 | 10 | 20 | 30 | 40 | 50 |
PSNR(dB) | 21.99 | 17.44 | 15.36 | 12.62 | 10.08 | 8.80 | 8.00 | 7.48 |
NC | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 0.88 | 0.88 | 0.72 |
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2%,这时图像质量非常低,仍然可以很清晰地提取出水印,NC=1.00。图8示出了压缩质量为2%的医学图像;图9示出了压缩质量为2%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(%) | 2 | 7 | 10 | 30 | 45 | 60 |
PSNR(dB) | 25.64 | 29.34 | 30.58 | 34.53 | 36.06 | 37.60 |
NC | 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10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11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12示出了中值滤波参数为[7x7],滤波重复次数为10的医学图像;图13示出了中值滤波参数为[7x7],滤波重复次数为10时提取的水印,NC=0.88,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70°时,NC=0.78,仍然可以很好地提取水印。图14示出了顺时旋转10°的医学图像;图15示出了顺时旋转10°提取的水印,NC=1.00,可以非常清楚地提取水印。图16示出了顺时旋转30°的医学图像;图17示出了顺时旋转30°提取的水印,NC=1.00,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° | 10° | 20° | 30° | 40° | 50° | 60° | 70° |
PSNR(dB) | 16.68 | 15.34 | 14.90 | 14.64 | 14.28 | 13.92 | 13.68 |
NC | 1.00 | 1.00 | 1.00 | 1.00 | 0.88 | 0.79 | 0.78 |
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0.4时,相关系数NC=1.00,可很好地提取出水印。图18示出了缩放后的医学图像(缩放因子为0.8);图19示出了缩放攻击后提取的水印,NC=1.00,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 | 0.4 | 0.6 | 0.8 | 1.2 | 1.4 | 1.6 | 1.8 | 2.0 | 0.4 |
NC | 1.00 | 1.00 | 1.00 | 0.88 | 0.78 | 0.88 | 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0.69,可以准确提取水印,故该水印方法有较强的抗平移变换能力。图20示出了医学图像水平左移30%后的图像;图21示出了水平左移30%后提取的水印,可以准确提取水印,NC=0.78。图22示出了医学图像垂直下移25%后的图像;图23示出了垂直下移25%后提取的水印,可以准确提取水印,NC=0.69。
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,剪切量为128*128时,NC值大于0.89,仍然可以提取水印,说明该水印算法有较强的抗方块剪切攻击能力。图24示出了方块剪切128*128后的医学图像;图25示出了方块剪切128*128后提取的水印,可以准确得提取水印,NC=0.89。图26示出了方块剪切150*150后的医学图像;图27示出了方块剪切150*150后提取的水印,可以准确得提取水印,NC=0.90。
表七水印抗Y轴方向剪切攻击实验数据
从上述描述可知,本发明基于Bandelet-DCT医学图像数字水印技术,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Bandelet-DCT医学图像鲁棒零水印方法,包括:对原始医学图像进行Bandelet-DCT变换,得到原始医学图像的系数特征矩阵,并利用哈希函数运算生成原始医学图像的特征二值序列;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,并根据生成的特征二值序列和得到的混沌置乱水印,将水印信息嵌入至原始医学图像中,同时获取二值逻辑密钥序列并保存在第三方;对待测医学图像进行Bandelet-DCT变换,得到待测医学图像的系数特征矩阵,并利用哈希函数运算生成待测医学图像的特征二值序列;根据待测医学图像的特征二值序列和保存在第三方的二值逻辑密钥序列,提取出加密水印,并对提取的加密水印进行解密,得到还原水印;将原始水印和还原水印进行归一化相关系数计算,根据计算得到的相关系数确定待测医学图像的所有权和嵌入的水印信息。上述医学图像数字水印方法,基于Bandelet-DCT变换,具有正交、无边界效应、并能更好的提取图像复杂纹理和边缘等图像几何特征,且有很好的去噪能力,并且,通过将多尺度几何分析中的条带波变换、密码学、哈希函数和零水印嵌入技术结合,高效地弥补了传统的数字水印方法不能对医学图像本身进行保护及对原图数据修改造成缺陷的缺点,可以保证医学图像的安全传输,嵌入的水印在抗几何攻击和常规攻击中具有较好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,并利用第三方的概念,适应了现今网络技术的实用化和规范化。
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Bandelet-DCT医学图像鲁棒零水印方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于Bandelet-DCT医学图像鲁棒零水印方法,其特征在于,包括:
对原始医学图像进行Bandelet-DCT变换,得到所述原始医学图像的系数特征矩阵,并利用哈希函数运算生成所述原始医学图像的特征二值序列;
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,并根据生成的所述特征二值序列和得到的所述混沌置乱水印,将水印信息嵌入至所述原始医学图像中,同时获取二值逻辑密钥序列并保存在第三方;
对待测医学图像进行Bandelet-DCT变换,得到所述待测医学图像的系数特征矩阵,并利用哈希函数运算生成所述待测医学图像的特征二值序列;
根据所述待测医学图像的特征二值序列和保存在第三方的所述二值逻辑密钥序列,提取出加密水印,并对提取的所述加密水印进行解密,得到还原水印;
将所述原始水印和所述还原水印进行归一化相关系数计算,根据计算得到的所述相关系数确定所述待测医学图像的所有权和嵌入的水印信息。
2.根据权利要求1所述的医学图像鲁棒水印方法,其特征在于,对原始医学图像进行Bandelet-DCT变换,得到所述原始医学图像的系数特征矩阵,具体包括:
对原始医学图像进行尺度不变特征预处理变换,建立所述原始医学图像的局部特征不变区域;
对所述原始医学图像的局部特征不变区域进行Bandelet变换,得到所述原始医学图像的特征系数矩阵;
对所述原始医学图像的特征系数矩阵进行全图DCT变换,得到所述原始医学图像的系数特征矩阵。
3.根据权利要求2所述的医学图像鲁棒水印方法,其特征在于,利用哈希函数运算生成所述原始医学图像的特征二值序列,具体包括:
选取所述原始医学图像的系数特征矩阵低频处的4*8的矩阵构成新矩阵;
利用哈希函数运算生成32位所述原始医学图像的特征二值序列。
4.根据权利要求3所述的医学图像鲁棒水印方法,其特征在于,对所述原始水印进行混沌置乱加密,得到加密后的混沌置乱水印,具体包括:
通过Logistic Map生成混沌序列;
对生成的所述混沌序列利用哈希函数运算生成二值序列;
按照生成的所述二值序列的顺序对所述原始水印像素的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所述的医学图像鲁棒水印方法,其特征在于,根据生成的所述特征二值序列和得到的所述混沌置乱水印,将水印信息嵌入至所述原始医学图像中,具体包括:
将生成的所述特征二值序列和得到的所述混沌置乱水印逐位进行异或运算,以将水印信息嵌入至所述原始医学图像中。
6.根据权利要求1所述的医学图像鲁棒水印方法,其特征在于,对待测医学图像进行Bandelet-DCT变换,得到所述待测医学图像的系数特征矩阵,具体包括:
对待测医学图像进行尺度不变特征预处理变换,建立所述待测医学图像的局部特征不变区域;
对所述待测医学图像的局部特征不变区域进行Bandelet变换,得到所述待测医学图像的特征系数矩阵;
对所述待测医学图像的特征系数矩阵进行全图DCT变换,得到所述待测医学图像的系数特征矩阵。
7.根据权利要求6所述的医学图像鲁棒水印方法,其特征在于,利用哈希函数运算生成所述待测医学图像的特征二值序列,具体包括:
选取所述待测医学图像的系数特征矩阵低频处的4*8的矩阵构成新矩阵;
利用哈希函数运算生成32位所述待测医学图像的特征二值序列。
8.根据权利要求7所述的医学图像鲁棒水印方法,其特征在于,根据所述待测医学图像的特征二值序列和保存在第三方的所述二值逻辑密钥序列,提取出加密水印,具体包括:
将所述待测医学图像的特征二值序列和保存在第三方的所述二值逻辑密钥序列进行异或运算,提取出加密水印。
9.根据权利要求4所述的医学图像鲁棒水印方法,其特征在于,对提取的所述加密水印进行解密,得到还原水印,具体包括:
按照生成的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 (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010836889.2A CN111968025A (zh) | 2020-08-19 | 2020-08-19 | 基于Bandelet-DCT医学图像鲁棒零水印方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010836889.2A CN111968025A (zh) | 2020-08-19 | 2020-08-19 | 基于Bandelet-DCT医学图像鲁棒零水印方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111968025A true CN111968025A (zh) | 2020-11-20 |
Family
ID=73388508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010836889.2A Pending CN111968025A (zh) | 2020-08-19 | 2020-08-19 | 基于Bandelet-DCT医学图像鲁棒零水印方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968025A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800395A (zh) * | 2021-01-27 | 2021-05-14 | 南京信息工程大学 | 一种基于零水印技术的多幅图像版权认证和验证方法 |
CN112907427A (zh) * | 2021-02-09 | 2021-06-04 | 海南大学 | 基于DWT-Gabor的加密医学图像鲁棒水印方法 |
CN112907428A (zh) * | 2021-02-10 | 2021-06-04 | 海南大学 | 基于条带变换处理的加密图像水印处理方法及*** |
CN113095988A (zh) * | 2021-03-29 | 2021-07-09 | 贵州大学 | 一种基于orc采样和qgpce变换的弥散张量图像鲁棒零水印方法 |
CN113139990A (zh) * | 2021-05-08 | 2021-07-20 | 电子科技大学 | 一种基于内容感知的深度网格流鲁棒图像对齐方法 |
CN113160029A (zh) * | 2021-03-31 | 2021-07-23 | 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 |
CN113160030A (zh) * | 2021-03-31 | 2021-07-23 | 海南大学 | 一种基于lbp-dct的医学图像鲁棒水印方法 |
CN113313621A (zh) * | 2021-04-15 | 2021-08-27 | 长城信息股份有限公司 | 基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法、提取方法、装置 |
CN113689319A (zh) * | 2021-08-04 | 2021-11-23 | 南京信息工程大学 | 一种彩色图像局部多重水印方法 |
CN114092302A (zh) * | 2021-10-25 | 2022-02-25 | 海南大学 | 基于残差网络和深度可分离卷积的医学图像鲁棒水印方法 |
CN114359012A (zh) * | 2022-03-21 | 2022-04-15 | 中国民航大学 | 一种鲁棒的组合域彩色图像零水印嵌入和提取方法 |
CN114742687A (zh) * | 2022-03-08 | 2022-07-12 | 重庆理工大学 | 基于多算法融合的医学图像零水印生成算法 |
CN117036145A (zh) * | 2023-10-07 | 2023-11-10 | 江西财经大学 | 元宇宙光场图像鲁棒零水印方法、***、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
-
2020
- 2020-08-19 CN CN202010836889.2A patent/CN111968025A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Non-Patent Citations (1)
Title |
---|
綦科 等: "基于第二代Bandelet变换的抗几何攻击图像水印", 自动化学报, vol. 38, no. 10, pages 1646 - 1648 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800395A (zh) * | 2021-01-27 | 2021-05-14 | 南京信息工程大学 | 一种基于零水印技术的多幅图像版权认证和验证方法 |
CN112800395B (zh) * | 2021-01-27 | 2023-04-14 | 南京信息工程大学 | 一种基于零水印技术的多幅图像版权认证和验证方法 |
CN112907427A (zh) * | 2021-02-09 | 2021-06-04 | 海南大学 | 基于DWT-Gabor的加密医学图像鲁棒水印方法 |
CN112907427B (zh) * | 2021-02-09 | 2022-07-26 | 海南大学 | 基于DWT-Gabor的加密医学图像鲁棒水印方法 |
CN112907428A (zh) * | 2021-02-10 | 2021-06-04 | 海南大学 | 基于条带变换处理的加密图像水印处理方法及*** |
CN113095988B (zh) * | 2021-03-29 | 2022-02-01 | 贵州大学 | 基于orc采样和qgpce变换的弥散张量图像鲁棒零水印方法 |
CN113095988A (zh) * | 2021-03-29 | 2021-07-09 | 贵州大学 | 一种基于orc采样和qgpce变换的弥散张量图像鲁棒零水印方法 |
CN113160030A (zh) * | 2021-03-31 | 2021-07-23 | 海南大学 | 一种基于lbp-dct的医学图像鲁棒水印方法 |
WO2022205853A1 (zh) * | 2021-03-31 | 2022-10-06 | 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 |
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 |
CN113160029A (zh) * | 2021-03-31 | 2021-07-23 | 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 |
CN113160030B (zh) * | 2021-03-31 | 2024-05-14 | 海南大学 | 一种基于lbp-dct的医学图像鲁棒水印方法 |
CN113313621A (zh) * | 2021-04-15 | 2021-08-27 | 长城信息股份有限公司 | 基于混合混沌***和闭环扩散的数字图像加密水印嵌入方法、提取方法、装置 |
CN113313621B (zh) * | 2021-04-15 | 2022-06-28 | 长城信息股份有限公司 | 基于混合混沌***和闭环扩散的图像加密水印嵌入方法 |
CN113139990A (zh) * | 2021-05-08 | 2021-07-20 | 电子科技大学 | 一种基于内容感知的深度网格流鲁棒图像对齐方法 |
CN113139990B (zh) * | 2021-05-08 | 2022-03-15 | 电子科技大学 | 一种基于内容感知的深度网格流鲁棒图像对齐方法 |
CN113689319B (zh) * | 2021-08-04 | 2023-06-16 | 南京信息工程大学 | 一种彩色图像局部多重水印方法 |
CN113689319A (zh) * | 2021-08-04 | 2021-11-23 | 南京信息工程大学 | 一种彩色图像局部多重水印方法 |
CN114092302A (zh) * | 2021-10-25 | 2022-02-25 | 海南大学 | 基于残差网络和深度可分离卷积的医学图像鲁棒水印方法 |
CN114742687A (zh) * | 2022-03-08 | 2022-07-12 | 重庆理工大学 | 基于多算法融合的医学图像零水印生成算法 |
CN114359012A (zh) * | 2022-03-21 | 2022-04-15 | 中国民航大学 | 一种鲁棒的组合域彩色图像零水印嵌入和提取方法 |
CN117036145A (zh) * | 2023-10-07 | 2023-11-10 | 江西财经大学 | 元宇宙光场图像鲁棒零水印方法、***、设备及存储介质 |
CN117036145B (zh) * | 2023-10-07 | 2024-01-09 | 江西财经大学 | 元宇宙光场图像鲁棒零水印方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968025A (zh) | 基于Bandelet-DCT医学图像鲁棒零水印方法 | |
Ahmaderaghi et al. | Blind image watermark detection algorithm based on discrete shearlet transform using statistical decision theory | |
Andalibi et al. | Digital image watermarking via adaptive logo texturization | |
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 | |
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 | |
Kim et al. | Region-based tampering detection and recovery using homogeneity analysis in quality-sensitive imaging | |
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 | |
Mohammed et al. | A Novel FDCT-SVD Based Watermarking with Radon Transform for Telemedicine Applications. | |
AlShaikh et al. | A novel CT scan images watermarking scheme in DWT transform coefficients | |
CN114742687A (zh) | 基于多算法融合的医学图像零水印生成算法 | |
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 | |
Majumder et al. | DWT and SVD based image watermarking scheme using noise visibility and contrast sensitivity | |
CN112907428A (zh) | 基于条带变换处理的加密图像水印处理方法及*** | |
CN116342357A (zh) | 一种基于lpt-dct的医学图像鲁棒水印方法 | |
CN112907426A (zh) | 一种基于PHTs-DCT的加密医学图像数字水印方法 | |
Ahmederahgi et al. | Spread spectrum image watermarking based on the discrete shearlet transform | |
CN113160030A (zh) | 一种基于lbp-dct的医学图像鲁棒水印方法 | |
Gaata et al. | Underwater image copyright protection using robust watermarking technique | |
CN112907427B (zh) | 基于DWT-Gabor的加密医学图像鲁棒水印方法 | |
Geetha Priya | Secure And Fragile Watermarking Of Medical Images With Fingerprint Based Biometric Data Using Matlab | |
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 |