一种基于DCT抗几何攻击的医学图像零数字水印方法.pdf

摘要
申请专利号：	CN201110290977.8	申请日：	2011.09.13
公开号：	CN102314669A	公开日：	2012.01.11
当前法律状态：	撤回	有效性：	无权
法律详情：	发明专利申请公布后的视为撤回IPC(主分类):G06T 1/00申请公布日:20120111\|\|\|实质审查的生效IPC(主分类):G06T 1/00申请日:20110913\|\|\|公开
IPC分类号：	G06T1/00	主分类号：	G06T1/00
申请人：	海南大学
发明人：	李京兵; 杜文才; 涂蓉; 董春华
地址：	570228 海南省海口市美兰区人民大道58号
优先权：
专利代理机构：		代理人：
PDF下载：	PDF下载

内容摘要

本发明涉及一种基于DCT抗几何攻击的医学图像零数字水印方法，是先进行水印的嵌入，包括：(1)通过对原始医学图像进行全图DCT变换，在变换系数中提取一个能代表原始图像重要视觉特征的向量；(2)利用该特征向量和要嵌入的水印通过Hash函数得到一个二值逻辑序列；然后进行水印提取，包括：(3)对待测医学图像进行全图DCT变换，找到待测图像的一个视觉特征向量；(4)利用Hash函数性质和嵌入时得到的二值逻辑序列来提取水印。本发明基于DCT变换的数字水印技术，在不影响原始医学图像质量的情况下解决了水印嵌入的快捷性问题，具有计算速度快、精度高、兼容性好、抗攻击能力强等特点，在保护病人隐私等方面具有很高的实用价值。

权利要求书

1：一种基于 DCT 抗几何攻击的医学图像零数字水印方法，其特征在于：基于全图 DCT 变换，得到视觉特征向量，并将加密技术与水印技术有机结合起来，实现了医学图像数字水印的抗几何和常规攻击，该数字水印方法共分两个部分，共计四个步骤：第一部分是水印嵌入方法：通过对水印的嵌入操作，得到相应的二值逻辑序列 key(j) ； 1) 对原始医学图像进行全图 DCT 变换，从 DCT 系数中，根据低中频系数的符号序列来得到该图的视觉特征向量 V(j) ； 2) 利用 Hash 函数和要嵌入的水印 W(j)，得到一个二值逻辑序列 key(j)，保存 key(j)，下面提取水印时要用到，通过把 key(j) 作为密钥向第三方申请，以获得对原始医学图像的所有权；第二部分是水印提取方法：通过二值逻辑序列 key(j)，和待测图像的视觉特征向量 V’ (j)，提取出水印 W’ (j) ； 3) 对待测医学图像进行全图 DCT 变换，在 DCT 系数中，根据低中频系数的符号提取出待测图像的视觉特征向量 V’ (j) ； 4) 利用 Hash 函数性质提取出水印，关度测试，来确定医学图像的所有权。将 W(j) 和 W’ (j) 进行相

说明书

一种基于 DCT 抗几何攻击的医学图像零数字水印方法
    【技术领域】
     本发明属于多媒体信号处理领域，涉及一种基于 DCT 变换和图像视觉特征的医学图像数字水印技术，具体是一种基于 DCT 抗几何攻击的医学图像零数字水印方法。背景技术
     目前，医学图像占整个医院医学信息的 70％～ 80％，数字信息管理系统在现代医疗体系中发挥了越来越重要的作用，但随着网络的推广应用，其信息安全问题逐渐暴露出来。
     医学图像在网络上进行远程传输时，记录在医学图片上的病人的个人信息，容易被泄露。若把个人信息作为数字水印嵌入在医学图片中，就可以较好的解决这个难题，这种水印称为医学图像数字水印。
     目前对医学图像数字水印领域的研究主要集中在空间域和变换域 (DCT、 DFT 和 DWT) 两个方面，它们分别通过改变空间域的某些象素的灰度或变换域的一些系数的值来嵌入水印。其中余弦变换 (Discrete Cosine Transform， DCT) 域水印方法，由于其计算量较小，且与国际数据压缩标准 (JPEG， MPEG) 兼容，目前研究的比较多，是现有大多数的频率域数字水印算法研究的热点。
     鉴于对医学图像病灶区保护的特殊性要求，一般文献中常选择将水印信息嵌入到图像的非感兴趣区域 (Region of Non-Interest， RONI)。医学图像中的感兴趣区域 (Region of Interest， ROI) 指的是那些包含重要病理特征或诊疗信息的病灶区，若在该区域嵌入水印，则有可能造成错误的诊断。但往往人们在寻找 ROI 时，要花费很长的时间与精力，并且一旦选择有误，则有可能干扰医生的诊断。
     在医学图像数字水印研究领域，至今为止几何攻击仍是一个比较难以解决的课题，至于同时能有效抵抗常规攻击和几何攻击，这两种攻击类型的水印方法研究，目前尚未见报道，尚属空白。而实际应用中，医学数字水印图像常常同时受到这两种攻击。发明内容本发明的目的是提供一种基于 DCT 抗几何攻击的医学图像零数字水印方法，通过将医学图像的视觉特征向量、加密技术和第三方的概念有机结合起来，不需要进行感兴趣区域的选取，从而解决了水印嵌入、提取的快捷性问题，具有很理想的鲁棒性和不可见性，以保护医学图像的版权和病患信息的隐秘性，有效地解决病人信息的隐藏性和医学图像的敏感性问题，同时解决医学图像应用中出现的抗击几何攻击和抗击常规攻击问题。
     为了实现上述目的，本发明是这样进行的：基于全图 DCT 变换，在 DCT 变换系数中，提取一个抗几何攻击的医学图像视觉特征向量，并将水印技术与密码学有机结合起来，实现了数字水印的抗几何和常规攻击。本发明所采用的方法包括水印嵌入和水印提取两大部分，第一部分为水印嵌入算法，包括： (1) 通过进行全图 DCT 变换，得到医学图像的一个视觉特征向量 V(j)， (2) 根据水印 W(j) 和图像的视觉特征向量 V(j) 生成一个二值逻辑序列
     key(j)。第二部分为水印提取算法，包括： (3) 求出待测医学图像的视觉特征向量 V’ (j)， (4) 利用二值逻辑序列 key(j) 和待测图像视觉特征向量 V’ (j)，提取出水印 W’ (j)。
     现对本发明的方法进行详细说明如下：
     首先用一组可以代表病患信息的二值伪随机序列 W， W ＝ {w(j)|w(j) ＝ 0， 1； 1 ≤ j ≤ L} 作为数字水印，原始图像记为 F ＝ {f(i， j)|f(i， j) ∈ R ； 1 ≤ i ≤ N1， 1 ≤ j ≤ N2)}，其中， w(j) 和 f(i， j) 分别表示水印序列及原始医学图像的像素灰度值，设 N1 ＝ N2 ＝ N。
     第一部分：水印嵌入算法
     1) 通过进行全图 DCT 变换，得到医学图像的视觉特征向量 V(j)。
     先对原图 F(i， j) 进行全图 DCT 变换，得到 DCT 系数矩阵 FD(i， j)，再对 DCT 系数矩阵 FD(i， j)，在低中频系数中，取前 L 个系数，并通过 DCT 系数符号运算得到该图像的视觉特征向量 V(j)，具体做法是当 DCT 系数为正或零时我们用 “1” 表示，系数为负时用 “0” 表示，程序描述如下：
     FD(i， j) ＝ DCT2(F(i， j))
     V(j) ＝ -Sign(FD(i， j))
     2) 根据水印 W(j) 和图像的视觉特征向量 V(j) 生成一个二值逻辑序列 key(j)。Key(j) 是由图像的视觉特征向量 V(j) 和水印 W(j)，通过密码学常用的 Hash 函数生成。保存 key(i)，在以后提取水印时需用。通过将 key(j) 作为密钥向第三方申请，以获得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。
     第二部分：水印提取算法
     3) 求出待测医学图像的视觉特征向量 V’ (j)。
     设待测医学图像为 F’ (i， j)，经过全图 DCT 变换后得到 DCT 系数矩阵为 FD’ (i， j)，按上述 Step1 方法，求得待测图像的视觉特征向量 V’ (j) ；
     FD’ (i， j) ＝ DCT2(F’ (i， j))
     V’ (j) ＝ -Sign(FD’ (i， j))
     4) 在待测图像中提取出水印 W’ (j)。
     根据在嵌入水印时生成的 key(j) 和待测图像的视觉特征向量 V’ (j)，利用 Hash 性质可以提取出待测图像的水印 W’ (j)
     再根据 W(j) 和 W’ (j) 的相关程度来判别待测图像的所有权和隐患信息的安全性问题。本发明与现有的医学水印技术比较有以下优点：
     由于本发明是基于 DCT 变换的数字水印技术，具有计算速度快，精度高，有较好的兼容性，有较强的抗几何攻击能力和抗常规攻击能力；不需要人为的进行感兴趣区域的选取，从而解决了水印嵌入的快捷性问题；嵌入的水印是一种零水印，不影响原始医学图像质量，在医疗方面具有很高的实用价值，并且该算法可适用于其他领域；利用第三方的概念，适应了现今网络推广的实用化和规范化；以下从理论基础和试验数据说明：
     1) 离散余弦变换
     DCT 用于图像编码是目前广泛使用的 JPEG 压缩和 MPEG-1/2 的标准。DCT 是在最小均方差条件小得出的仅次于 K-L 变换的次最佳正交变换，是一种无损的酋变换。它运算速度快，精度高，以提取特征成分的能力和运算速度之间的最佳平衡而著称。
     二维离散余弦正变换 (DCT) 公式如下：
     u ＝ 0， 1， Λ， M-1 ； v ＝ 0， 1， Λ， N-1 ；式中二维离散余弦反变换 (IDCT) 公式如下：x ＝ 0， 1， Λ， M-1 ； y ＝ 0， 1， Λ， N-1 其中 x， y 为空间域采样值； u， v 为频率域采样值，通常数字图像用像素方阵表示，即M＝N 从上面的公式可知， DCT 的系数符号是和分量的相位有关的。
     2) 医学图像视觉主要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的有较大变化。这样便会使嵌入的水印很轻易的就受到攻击。如果能够找到反映图像几何特点的视觉特征向量，那么当图像发生小的几何变换时，该图像的视觉特征值不会发生明显的突变。Hayes 研究表明对图像特征而言，相位比幅度更重要。我们对大量的全图 DCT 数据 ( 低中频 ) 经过观察发现，当对一个医学图像进行常见的几何变换时，低中频系数大小可能发生一些变化，但其系数符号基本保持不变，我们选取一些实验数据见表 1 所示。表 1 中用作测试的原始医学图像是图 1(a)，是一幅图像医学图像 (128x128)。表中第 1 列显示的是医学图像受到攻击的类型，受到常规攻击后的医学图像见图 1(b)-(d)，受到几何攻击后的医学图像见图 2(a)-(d)。第 3 列到第 11 列，这是在 DCT 系数矩阵中取的 FD(1， 1)-FD(3， 3) 九个低中频系数，其中系数 F(1， 1) 表示医学图像的直流分量值。对于常规攻击，这些低中频系数值 FD(1， 1)-FD(3， 3) 基本保持不变，和原始医学图像值近似相等；对于几何攻击，部分系数有较大变化，但是我们可以发现，医学图像在受到几何攻击时，部分 DCT 低中频系数的大小发生了变化但其符号基本没有发生变化。我们将正的 DCT 系数用 “1” 表示 ( 含值为零的系数 )，负的系数用 “0” 表示，那么对于原始医学图像来说， DCT 系数矩阵中的 FD(1，，见表 1 的第 12 列，我们观察该列 1)-FD(3， 3) 系数，对应的系数符号序列为 “ ：1100 01001” 可以发现，无论常规攻击还是几何攻击该符号序列和原始医学图像能保持相似，与原始医学图像归一化相关系数都很大为 1.0( 见表 1 第 13 列 )， ( 方便起见这里取了 9 个 DCT 系数符号 )。
     表 1 图像全图 DCT 变换低中频部分系数及受不同攻击后的变化值
     *DCT 变换系数单位 1.0e+002表 2 不同医学图像特征向量的相关系数 ( 向量长度 32bit)Pa Pb 0.34 1.00 0.32 0.01 -0.04 0.30 -0.25 0.32 Pc 0.00 0.32 1.00 -019 0.19 0.25 0.31 0.00 Pd 0.31 0.01 -0.19 1.00 -0.01 -0.05 0.00 0.31 Pe -0.17 -0.04 0.19 -0.01 1.00 -0.09 0.01 0.06 Pf -0.24 0.30 0.25 -0.05 -0.09 1.00 -0.18 -0.13 Pg 0.18 -0.25 0.31 0.00 0.01 -0.18 1.00 -0.06 Ph 0.38 0.32 0.00 0.31 0.06 -0.13 -0.06 1.00Pa Pb Pc Pd Pe Pf Pg Ph
     1.00 0.34 0.00 0.31 -017 -0.24 0.18 0.38为了进一步证明全图的 DCT 变换系数符号序列是属于该图的一个视觉重要特征，我们又把不同的测试图像 ( 见图 3(a)-(g))，按照上述方法进行全图 DCT 变换，得到对应的 DCT 系数， F(1， 1)-F(4， 8)，并且求出与原图的符号序列的相关系数，计算结果如表 2 所示。
     从表 2 可以看出，不同医学图像之间，符号序列相差较大，相关度较小，小于 0.5。
     这更加说明 DCT 系数的符号序列可以反映该医学图像的主要视觉特征。当水印图像受到一定程度的常规攻击和几何攻击后，该向量基本不变，这也符合 DCT“有很强的提取图像特征” 能力。根据人的视觉特性 (HVS)，低中频信号对人的视觉影响较大，代表着医学图像的主要特征。因此我们所选取的医学图像的视觉特征向量是低中频系数的符号，低中频系数的个数选择与进行全图 DCT 变换的原始医学图像的大小、以及一次性嵌入的信息量和要求的鲁棒性有关， L 值越小，一次性嵌入的信息量越少，但鲁棒性越高。在后面的试验中，我们选取 L 的长度为 32。
     综上所述，我们通过对全图 DCT 系数的分析，可利用低中频系数的符号序列得到一种取得医学图像视觉特征向量的方法。附图说明
     图 1(a) 是原始医学图像。图 1(b) 是经过高斯干扰的图像。图 1(c) 是经过 JPEG 攻击的图像。图 1(d) 是经过中值滤波的图像。图 2(a) 是经过旋转变换的图像。图 2(b) 是经过缩放 2.0 的图像。图 2(c) 是经过缩放 0.5 的图像。图 2(d) 是经过垂直移动的图像。图 3(a) 是标准测试图 MRI_1。图 3(b) 是标准测试图 MRI_2。图 3(c) 是标准测试图 MRI_3。图 3(d) 是标准测试图 Engine。图 3(e) 是标准测试图 Head。图 3(f) 是标准测试图 Teddy bear。图 3(g) 是标准测试图 Mri_1back1。图 3(h) 是标准测试图 Mri_1back2。图 4(a) 没有干扰时的水印图像。图 4(b) 没有干扰时的水印检测。图 5(a) 有高斯干扰时的水印图像 ( 高斯干扰强度为 3％ )。图 5(b) 有高斯干扰时的水印检测。图 6(a)JPEG 压缩后的水印图像 ( 压缩质量为 4％ )。图 6(b)JPEG 压缩后的水印检测。图 7(a) 中值滤波后的水印图像 ( 经过 [3， 3] 的 10 次滤波 )。图 7(b) 中值滤波后的水印检测。图 8(a) 旋转 20 度后的水印图像。图 8(b) 旋转 20 度后的水印检测。图 9(a) 缩放因子为 4.0 的水印图像。图 9(b) 缩放因子为 4.0 的图像水印检测。图 10(a) 缩放因子为 0.5 的水印图像。图 10(b) 缩放因子为 0.5 的图像水印检测。图 11(a) 垂直移动 10％后的图像。图 11(b) 垂直移动 10％后的水印检测。图 12(a) 剪切 20％的水印图像。图 12(b) 剪切 20％的图像水印检测。具体实施方式
     下面结合附图对本发明作进一步说明使用 1000 组独立的二值伪随机序列 ( 取值为 +1 或 0)，每组序列长度为 32bit，在这 1000 组数据中，任抽取一组 ( 这里选择第 500 组 )，作为嵌入的水印序列。实验中所用的医学图像见图 4(a)，是一幅大脑的切片图像 (128x128)。设原图表示为 F(i， j)，其中 1 ≤ i ≤ 128， 1 ≤ j ≤ 128，对应的全图 DCT 系数矩阵为 FD(i， j)，取其低中频系数为 Y(j)， 1 ≤ j ≤ L，第一个值 Y(1) 代表图像的直流分量，然后由低到高的频率顺序排列。考虑到鲁棒性和一次性嵌入水印的容量，我们选择中低频的 4x8 ＝ 32 个系数做特征向量，即 L ＝ 32 ；选取的 DCT 系数矩阵为 FD(i， j)， 1 ≤ i ≤ 4， 1 ≤ j ≤ 8。通过水印算法检测出 W′ (j) 后，再通过计算 W(j) 和 W′ (j) 的归一化相关系数 NC(Normalized Cross Correlation) 来判断是否有水印嵌入。
     图 4(a) 是不加干扰时的水印图像；
     图 4(b) 不加干扰时，水印检测器的输出，可以看到 NC ＝ 1.0，明显检测到水印的存在。下面我们通过具体试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鲁棒性。
     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 imnoise() 函数在水印图像中加入高斯噪音。
     图 5(a) 为当高斯噪声强度为 3％时的水印图像，在视觉上已很模糊；
     图 5(b) 水印检测器的输出，能很明显的检测到水印的存在， NC ＝ 0.87。
     表 3 是水印抗高斯干扰时的检测数据。从实验数据可以看到，当高斯噪声强度高达为 25％时，水印图像 PSNR 降至 0.11dB，这时检测水印，相关系数 NC ＝ 0.64，仍能检测出水印的存在 . 这说明采用该发明有好的抗高斯噪声能力。
     表 3 水印抗高斯噪声干扰数据
     噪声强度 (％ ) PSNR(dB) NC 1 12.40 0.94 3 7.90 0.87 5 5.89 0.82 10 3.25 0.75 15 1.69 0.69 20 0.72 0.67 25 0.11 0.64(2)JPEG 压缩处理
     采用图像压缩质量百分数作为参数对水印图像进行 JPEG 压缩；
     图 6(a) 是压缩质量为 4％的图像，该图已经出现方块效应；
     图 6(b) 是水印检测器的响应， NC ＝ 0.81，检测效果明显。
     表 4 为水印图像抗 JPEG 的试验数据。当压缩质量为很差，压缩质量为 4％时，仍然可以测得水印的存在， NC ＝ 0.81。
     表 4 水印抗 JPEG 压缩的实验数据
     压缩质量 (％ ) PSNR(dB) NC 4 17.61 0.81 8 19.99 0.94 10 20.98 0.71 20 23.04 0.75 40 25.06 1.0 60 26.52 1.0 80 29.27 1.0(3) 中值滤波处理
     图 7(a) 是中值滤波参数为 [3x3]，滤波重复次数为 10 的医学图像，图像已出现模糊；
     图 7(b) 是水印检测器的响应， NC ＝ 0.94，检测效果明显。
     表 5 为水印图像抗中值滤波能力，从表中看出，当中值滤波参数为 [7x7]，滤波重复次数为 20 时，仍然可以测得水印的存在， NC ＝ 0.69。
     表 5 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
     图 8(a) 是水印图像旋转 20°，这时水印图像的 PSNR ＝ 12.38dB，信噪比很低；
     图 8(b) 为检测的水印图像，可以明显检测到水印的存在 NC ＝ 0.83。
     表 6 为水印抗旋转攻击试验数据。表中可以看到当水印图像旋转 35°时， NC ＝ 0.79，仍然可以检测到水印存在； Pitas 等人提出的抗几何攻击算法，把水印嵌入 DFT 幅度谱的园环中，只能抵抗不大于 3 度的旋转。
     表 6 水印抗旋转攻击实验数据
     (2) 缩放变换
     图 9(a) 是当缩放因子 4.0 时的水印图像，这时中心图像比原图的要大；
     图 9(b) 为水印检测结果，可以检测到水印的存在， NC ＝ 1.0。
     图 10(a) 为缩放因子为 0.5 的水印图像，这时中心图像比原图的要小好多；
     图 10(b) 是水印检测结果，可以明显检测到水印的存在 NC ＝ 1.0。
     表 7 为水印缩放攻击试验数据，从表 7 可以看到当水印图像缩放因子小至 0.2 时，相关系数 NC ＝ 0.87，仍可测得水印。Pereira 等采用的在 DFT 中置入模板的方法，只能抵御缩放因子不小于 0.65 的缩放，说明该发明有较强的抗缩放能力。
     表 7 水印缩放攻击实验数据0.5 1.0 0.8 1.0 1.0 1.0 1.2 1.0 2.0 1.0 4.0 1.0(3) 平移变换
     图 11(a) 为图像水平下移 10％的情况，这时 PSNR ＝ 11.69dB，信噪比很低；
     图 11(b) 为水印检测器输出，可以明显检测到水印的存在 NC ＝ 0.81。
     表 8 是水印抗平移攻击试验数据。从表中得知当水平或垂直移动 10％，仍然可以检测到水印的存在，故该数字水印有较强的抗平移能力。
     表 8 水印抗平移攻击实验数据
     (4) 剪切试验图 12(a) 为对水印图像进行剪切 20％的情况，这时图像已被剪切掉五分之一了；图 12(b) 为其水印检测情况，可以明显检测到水印的存在， NC ＝ 0.87。表 9 为水印抗切割试验数据，从表中试验数据可以得知该算法有一定的抗剪切能表 9 水印抗剪切攻击实验数据力。
     通过以上的实验说明，该水印的嵌入方法，有较强的抗常规攻击能力和几何攻击能力，并且水印的嵌入不影响医学图像的值，是一种零水印。

资源描述

《一种基于DCT抗几何攻击的医学图像零数字水印方法.pdf》由会员分享，可在线阅读，更多相关《一种基于DCT抗几何攻击的医学图像零数字水印方法.pdf（13页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 102314669 A (43)申请公布日 2012.01.11 CN 102314669 A *CN102314669A* (21)申请号 201110290977.8 (22)申请日 2011.09.13 G06T 1/00(2006.01) (71)申请人海南大学地址 570228 海南省海口市美兰区人民大道 58 号 (72)发明人李京兵杜文才涂蓉董春华 (54) 发明名称一种基于 DCT 抗几何攻击的医学图像零数字水印方法 (57) 摘要本发明涉及一种基于 DCT 抗几何攻击的医学图像零数字水印方法，是先进行水印的嵌入，包括： (。

2、1) 通过对原始医学图像进行全图 DCT 变换，在变换系数中提取一个能代表原始图像重要视觉特征的向量； (2) 利用该特征向量和要嵌入的水印通过 Hash 函数得到一个二值逻辑序列；然后进行水印提取，包括： (3) 对待测医学图像进行全图 DCT 变换，找到待测图像的一个视觉特征向量； (4)利用Hash函数性质和嵌入时得到的二值逻辑序列来提取水印。本发明基于 DCT 变换的数字水印技术，在不影响原始医学图像质量的情况下解决了水印嵌入的快捷性问题，具有计算速度快、精度高、兼容性好、抗攻击能力强等特点，在保护病人隐私等方面具有很高的实用价值。 (51。

3、)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书 1 页说明书 8 页附图 3 页 CN 102314673 A1/1 页 2 1. 一种基于 DCT 抗几何攻击的医学图像零数字水印方法，其特征在于：基于全图 DCT 变换，得到视觉特征向量，并将加密技术与水印技术有机结合起来，实现了医学图像数字水印的抗几何和常规攻击，该数字水印方法共分两个部分，共计四个步骤：第一部分是水印嵌入方法：通过对水印的嵌入操作，得到相应的二值逻辑序列 key(j) ； 1)对原始医学图像进行全图DCT变换，从DCT系数中，根据低中频系数的符号。

4、序列来得到该图的视觉特征向量 V(j) ； 2) 利用 Hash 函数和要嵌入的水印 W(j)，得到一个二值逻辑序列 key(j)，保存 key(j)，下面提取水印时要用到，通过把 key(j) 作为密钥向第三方申请，以获得对原始医学图像的所有权；第二部分是水印提取方法：通过二值逻辑序列 key(j)，和待测图像的视觉特征向量 V (j)，提取出水印 W (j) ； 3)对待测医学图像进行全图DCT变换，在DCT系数中，根据低中频系数的符号提取出待测图像的视觉特征向量 V (j) ； 4) 利用 Hash 函数性质提取出水印，。

5、将 W(j) 和 W (j) 进行相关度测试，来确定医学图像的所有权。权利要求书 CN 102314669 A CN 102314673 A1/8 页 3 一种基于 DCT 抗几何攻击的医学图像零数字水印方法技术领域 0001 本发明属于多媒体信号处理领域，涉及一种基于 DCT 变换和图像视觉特征的医学图像数字水印技术，具体是一种基于 DCT 抗几何攻击的医学图像零数字水印方法。背景技术 0002 目前，医学图像占整个医院医学信息的 70 80，数字信息管理系统在现代医疗体系中发挥了越来越重要的作用，但随着网络的推广应用，其信息安全问题逐渐暴露出来。 000。

6、3 医学图像在网络上进行远程传输时，记录在医学图片上的病人的个人信息，容易被泄露。若把个人信息作为数字水印嵌入在医学图片中，就可以较好的解决这个难题，这种水印称为医学图像数字水印。 0004 目前对医学图像数字水印领域的研究主要集中在空间域和变换域 (DCT、 DFT 和 DWT) 两个方面，它们分别通过改变空间域的某些象素的灰度或变换域的一些系数的值来嵌入水印。其中余弦变换 (Discrete Cosine Transform， DCT) 域水印方法，由于其计算量较小，且与国际数据压缩标准 (JPEG， MPEG) 兼容，目前研究的比较多，是现有大多数的频率域数。

7、字水印算法研究的热点。 0005 鉴于对医学图像病灶区保护的特殊性要求，一般文献中常选择将水印信息嵌入到图像的非感兴趣区域(Region of Non-Interest， RONI)。医学图像中的感兴趣区域(Region of Interest， ROI) 指的是那些包含重要病理特征或诊疗信息的病灶区，若在该区域嵌入水印，则有可能造成错误的诊断。但往往人们在寻找 ROI 时，要花费很长的时间与精力，并且一旦选择有误，则有可能干扰医生的诊断。 0006 在医学图像数字水印研究领域，至今为止几何攻击仍是一个比较难以解决的课题，至于同时能有效抵抗常规攻击和几何攻击，这两种。

8、攻击类型的水印方法研究，目前尚未见报道，尚属空白。而实际应用中，医学数字水印图像常常同时受到这两种攻击。发明内容 0007 本发明的目的是提供一种基于 DCT 抗几何攻击的医学图像零数字水印方法，通过将医学图像的视觉特征向量、加密技术和第三方的概念有机结合起来，不需要进行感兴趣区域的选取，从而解决了水印嵌入、提取的快捷性问题，具有很理想的鲁棒性和不可见性，以保护医学图像的版权和病患信息的隐秘性，有效地解决病人信息的隐藏性和医学图像的敏感性问题，同时解决医学图像应用中出现的抗击几何攻击和抗击常规攻击问题。 0008 为了实现上述目的，本发明是这样进行的：基。

9、于全图DCT变换，在DCT变换系数中，提取一个抗几何攻击的医学图像视觉特征向量，并将水印技术与密码学有机结合起来，实现了数字水印的抗几何和常规攻击。本发明所采用的方法包括水印嵌入和水印提取两大部分，第一部分为水印嵌入算法，包括： (1) 通过进行全图 DCT 变换，得到医学图像的一个视觉特征向量 V(j)， (2) 根据水印 W(j) 和图像的视觉特征向量 V(j) 生成一个二值逻辑序列说明书 CN 102314669 A CN 102314673 A2/8 页 4 key(j)。第二部分为水印提取算法，包括： (3) 求出待测医学图像的视觉特征向量 V (j)。

10、， (4) 利用二值逻辑序列 key(j) 和待测图像视觉特征向量 V (j)，提取出水印 W (j)。 0009 现对本发明的方法进行详细说明如下： 0010 首先用一组可以代表病患信息的二值伪随机序列 W， W w(j)|w(j) 0， 1 ； 1 j L 作为数字水印，原始图像记为 F f(i， j)|f(i， j) R ； 1 i N1， 1 j N2)，其中， w(j) 和 f(i， j) 分别表示水印序列及原始医学图像的像素灰度值，设 N1 N2 N。 0011 第一部分：水印嵌入算法 0012 1) 通过进行全图 DCT 变换，得到医学图像的视觉特征向量 V(j)。

11、。 0013 先对原图 F(i， j) 进行全图 DCT 变换，得到 DCT 系数矩阵 FD(i， j)，再对 DCT 系数矩阵 FD(i， j)，在低中频系数中，取前 L 个系数，并通过 DCT 系数符号运算得到该图像的视觉特征向量 V(j)，具体做法是当 DCT 系数为正或零时我们用 “1” 表示，系数为负时用 “0” 表示，程序描述如下： 0014 FD(i， j) DCT2(F(i， j) 0015 V(j) -Sign(FD(i， j) 0016 2) 根据水印 W(j) 和图像的视觉特征向量 V(j) 生成一个二值逻辑序列 key(j)。 0017 0018。

12、 Key(j) 是由图像的视觉特征向量 V(j) 和水印 W(j)，通过密码学常用的 Hash 函数生成。保存 key(i)，在以后提取水印时需用。通过将 key(j) 作为密钥向第三方申请，以获得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。 0019 第二部分：水印提取算法 0020 3) 求出待测医学图像的视觉特征向量 V (j)。 0021 设待测医学图像为 F (i， j)，经过全图 DCT 变换后得到 DCT 系数矩阵为 FD (i， j)，按上述 Step1 方法，求得待测图像的视觉特征向量 V (j) ； 0022 FD (i， j) DCT2(F。

13、 (i， j) 0023 V (j) -Sign(FD (i， j) 0024 4) 在待测图像中提取出水印 W (j)。 0025 根据在嵌入水印时生成的 key(j) 和待测图像的视觉特征向量 V (j)，利用 Hash 性质可以提取出待测图像的水印 W (j) 0026 0027 再根据 W(j) 和 W (j) 的相关程度来判别待测图像的所有权和隐患信息的安全性问题。 0028 本发明与现有的医学水印技术比较有以下优点： 0029 由于本发明是基于 DCT 变换的数字水印技术，具有计算速度快，精度高，有较好的兼容性，有较强的抗几何攻击能力和抗常规攻击能力；不需要人为。

14、的进行感兴趣区域的选取，从而解决了水印嵌入的快捷性问题；嵌入的水印是一种零水印，不影响原始医学图像质量，在医疗方面具有很高的实用价值，并且该算法可适用于其他领域；利用第三方的概念，适应了现今网络推广的实用化和规范化；以下从理论基础和试验数据说明： 0030 1) 离散余弦变换说明书 CN 102314669 A CN 102314673 A3/8 页 5 0031 DCT 用于图像编码是目前广泛使用的 JPEG 压缩和 MPEG-1/2 的标准。DCT 是在最小均方差条件小得出的仅次于 K-L 变换的次最佳正交变换，是一种无损的酋变换。它运算速度快，精。

15、度高，以提取特征成分的能力和运算速度之间的最佳平衡而著称。 0032 二维离散余弦正变换 (DCT) 公式如下： 0033 0034 u 0， 1，， M-1 ； v 0， 1，， N-1 ； 0035 式中 0036 0037 二维离散余弦反变换 (IDCT) 公式如下： 0038 0039 x 0， 1，， M-1 ； y 0， 1，， N-1 0040 其中 x， y 为空间域采样值； u， v 为频率域采样值，通常数字图像用像素方阵表示，即 M N 0041 从上面的公式可知， DCT 的系数符号是和分量的相位有关的。 0042 2) 医学图像视觉主要特征向量的选取。

16、方法 0043 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的有较大变化。这样便会使嵌入的水印很轻易的就受到攻击。如果能够找到反映图像几何特点的视觉特征向量，那么当图像发生小的几何变换时，该图像的视觉特征值不会发生明显的突变。Hayes 研究表明对图像特征而言，相位比幅度更重要。我们对大量的全图 DCT 数据 ( 低中频 ) 经过观察发现，当对一个医学图像进行常见的几何变换时，低中频系数大小可能发生一些变化，但其系数符号基本保持不变，我们选取一些实验数据见表 1 。

17、所示。表 1 中用作测试的原始医学图像是图 1(a)，是一幅图像医学图像 (128x128)。表中第 1 列显示的是医学图像受到攻击的类型，受到常规攻击后的医学图像见图 1(b)-(d)，受到几何攻击后的医学图像见图 2(a)-(d)。第 3 列到第 11 列，这是在 DCT 系数矩阵中取的 FD(1， 1)-FD(3， 3) 九个低中频系数，其中系数 F(1， 1) 表示医学图像的直流分量值。对于常规攻击，这些低中频系数值 FD(1， 1)-FD(3， 3) 基本保持不变，和原始医学图像值近似相等；对于几何攻击，部分系数有较大变化，但是我们可以发现，医学图像在。

18、受到几何攻击时，部分 DCT 低中频系数的大小发生了变化但其符号基本没有发生变化。我们将正的 DCT 系数用 “1” 表示 ( 含值为零的系数 )，负的系数用 “0” 表示，那么对于原始医学图像来说， DCT 系数矩阵中的 FD(1， 1)-FD(3， 3)系数，对应的系数符号序列为：“1100 01001” ，见表1的第12列，我们观察该列可以发现，无论常规攻击还是几何攻击该符号序列和原始医学图像能保持相似，与原始医学图像归一化相关系数都很大为 1.0( 见表 1 第 13 列 )， ( 方便起见这里取了 9 个 DCT 系数符号 )。 0044 表 1 图像全图。

19、 DCT 变换低中频部分系数及受不同攻击后的变化值说明书 CN 102314669 A CN 102314673 A4/8 页 6 0045 0046 *DCT 变换系数单位 1.0e+002 0047 表 2 不同医学图像特征向量的相关系数 ( 向量长度 32bit) 0048 Pa Pb Pc Pd Pe Pf Pg Ph Pa 1.00 0.34 0.00 0.31 -0.17 -0.24 0.18 0.38 Pb 0.34 1.00 0.32 0.01 -0.04 0.30 -0.25 0.32 Pc 0.00 0.32 1.00 -0.19 0.19 0.25 0.31 0.0。

20、0 Pd 0.31 0.01 -019 1.00 -0.01 -0.05 0.00 0.31 Pe -017 -0.04 0.19 -0.01 1.00 -0.09 0.01 0.06 Pf -0.24 0.30 0.25 -0.05 -0.09 1.00 -0.18 -0.13 Pg 0.18 -0.25 0.31 0.00 0.01 -0.18 1.00 -0.06 Ph 0.38 0.32 0.00 0.31 0.06 -0.13 -0.06 1.00 0049 为了进一步证明全图的 DCT 变换系数符号序列是属于该图的一个视觉重要特征，我们又把不同的测试图像 ( 见图 3(a)-(g。

21、)，按照上述方法进行全图 DCT 变换，得到对应的 DCT 系数， F(1， 1)-F(4， 8)，并且求出与原图的符号序列的相关系数，计算结果如表 2 所示。 0050 从表 2 可以看出，不同医学图像之间，符号序列相差较大，相关度较小，小于 0.5。 0051 这更加说明 DCT 系数的符号序列可以反映该医学图像的主要视觉特征。当水印图像受到一定程度的常规攻击和几何攻击后，该向量基本不变，这也符合 DCT“有很强的提取图像特征” 能力。根据人的视觉特性 (HVS)，低中频信号对人的视觉影响较大，代表着医学说明书 CN 102314669 A CN 1023。

22、14673 A5/8 页 7 图像的主要特征。因此我们所选取的医学图像的视觉特征向量是低中频系数的符号，低中频系数的个数选择与进行全图 DCT 变换的原始医学图像的大小、以及一次性嵌入的信息量和要求的鲁棒性有关， L 值越小，一次性嵌入的信息量越少，但鲁棒性越高。在后面的试验中，我们选取 L 的长度为 32。 0052 综上所述，我们通过对全图 DCT 系数的分析，可利用低中频系数的符号序列得到一种取得医学图像视觉特征向量的方法。附图说明 0053 图 1(a) 是原始医学图像。 0054 图 1(b) 是经过高斯干扰的图像。 0055 图 1(c) 是经过 JPEG 。

23、攻击的图像。 0056 图 1(d) 是经过中值滤波的图像。 0057 图 2(a) 是经过旋转变换的图像。 0058 图 2(b) 是经过缩放 2.0 的图像。 0059 图 2(c) 是经过缩放 0.5 的图像。 0060 图 2(d) 是经过垂直移动的图像。 0061 图 3(a) 是标准测试图 MRI_1。 0062 图 3(b) 是标准测试图 MRI_2。 0063 图 3(c) 是标准测试图 MRI_3。 0064 图 3(d) 是标准测试图 Engine。 0065 图 3(e) 是标准测试图 Head。 0066 图 3(f) 是标准测试图 Teddy bear。 0067 图。

24、 3(g) 是标准测试图 Mri_1back1。 0068 图 3(h) 是标准测试图 Mri_1back2。 0069 图 4(a) 没有干扰时的水印图像。 0070 图 4(b) 没有干扰时的水印检测。 0071 图 5(a) 有高斯干扰时的水印图像 ( 高斯干扰强度为 3 )。 0072 图 5(b) 有高斯干扰时的水印检测。 0073 图 6(a)JPEG 压缩后的水印图像 ( 压缩质量为 4 )。 0074 图 6(b)JPEG 压缩后的水印检测。 0075 图 7(a) 中值滤波后的水印图像 ( 经过 3， 3 的 10 次滤波 )。 0076 图 7(b) 中值滤波后的水印检测。。

25、 0077 图 8(a) 旋转 20 度后的水印图像。 0078 图 8(b) 旋转 20 度后的水印检测。 0079 图 9(a) 缩放因子为 4.0 的水印图像。 0080 图 9(b) 缩放因子为 4.0 的图像水印检测。 0081 图 10(a) 缩放因子为 0.5 的水印图像。 0082 图 10(b) 缩放因子为 0.5 的图像水印检测。 0083 图 11(a) 垂直移动 10后的图像。说明书 CN 102314669 A CN 102314673 A6/8 页 8 0084 图 11(b) 垂直移动 10后的水印检测。 0085 图 12(a) 剪切 20的水印图像。 0。

26、086 图 12(b) 剪切 20的图像水印检测。具体实施方式 0087 下面结合附图对本发明作进一步说明使用 1000 组独立的二值伪随机序列 ( 取值为 +1 或 0)，每组序列长度为 32bit，在这 1000 组数据中，任抽取一组 ( 这里选择第 500 组 )，作为嵌入的水印序列。实验中所用的医学图像见图 4(a)，是一幅大脑的切片图像 (128x128)。设原图表示为 F(i， j)，其中 1 i 128， 1 j 128，对应的全图 DCT 系数矩阵为 FD(i， j)，取其低中频系数为 Y(j)， 1 j L，第一个值 Y(1) 代表图像的直流分量，然。

27、后由低到高的频率顺序排列。考虑到鲁棒性和一次性嵌入水印的容量，我们选择中低频的 4x8 32 个系数做特征向量，即 L 32 ；选取的 DCT 系数矩阵为 FD(i， j)， 1 i 4， 1 j 8。通过水印算法检测出 W (j) 后，再通过计算 W(j) 和 W (j) 的归一化相关系数 NC(Normalized Cross Correlation) 来判断是否有水印嵌入。 0088 图 4(a) 是不加干扰时的水印图像； 0089 图4(b)不加干扰时，水印检测器的输出，可以看到NC1.0，明显检测到水印的存在。 0090 下面我们通过具体试验来判断该数字水印方法。

28、的抗常规攻击能力和抗几何攻击能力鲁棒性。 0091 先测试该水印算法抗常规攻击的能力。 0092 (1) 加入高斯噪声 0093 使用 imnoise() 函数在水印图像中加入高斯噪音。 0094 图 5(a) 为当高斯噪声强度为 3时的水印图像，在视觉上已很模糊； 0095 图 5(b) 水印检测器的输出，能很明显的检测到水印的存在， NC 0.87。 0096 表 3 是水印抗高斯干扰时的检测数据。从实验数据可以看到，当高斯噪声强度高达为 25时，水印图像 PSNR 降至 0.11dB，这时检测水印，相关系数 NC 0.64，仍能检测出水印的存在 . 这说明采用该发明。

29、有好的抗高斯噪声能力。 0097 表 3 水印抗高斯噪声干扰数据 0098 噪声强度 ( ) 1 3 5 10 15 20 25 PSNR(dB) 12.40 7.90 5.89 3.25 1.69 0.72 0.11 NC 0.94 0.87 0.82 0.75 0.69 0.67 0.64 (2)JPEG 压缩处理 0099 采用图像压缩质量百分数作为参数对水印图像进行 JPEG 压缩； 0100 图 6(a) 是压缩质量为 4的图像，该图已经出现方块效应； 0101 图 6(b) 是水印检测器的响应， NC 0.81，检测效果明显。 0102 表4为水印图像抗JPEG的试验数据。。

30、当压缩质量为很差，压缩质量为4时，仍然说明书 CN 102314669 A CN 102314673 A7/8 页 9 可以测得水印的存在， NC 0.81。 0103 表 4 水印抗 JPEG 压缩的实验数据 0104 压缩质量 ( ) 4 8 10 20 40 60 80 PSNR(dB) 17.61 19.99 20.98 23.04 25.06 26.52 29.27 NC 0.81 0.94 0.71 0.75 1.0 1.0 1.0 (3) 中值滤波处理 0105 图 7(a) 是中值滤波参数为 3x3，滤波重复次数为 10 的医学图像，图像已出现模糊； 010。

31、6 图 7(b) 是水印检测器的响应， NC 0.94，检测效果明显。 0107 表 5 为水印图像抗中值滤波能力，从表中看出，当中值滤波参数为 7x7，滤波重复次数为 20 时，仍然可以测得水印的存在， NC 0.69。 0108 表 5 水印抗中值滤波实验数据 0109 0110 水印抗几何攻击能力： 0111 (1) 旋转变换 0112 图 8(a) 是水印图像旋转 20，这时水印图像的 PSNR 12.38dB，信噪比很低； 0113 图 8(b) 为检测的水印图像，可以明显检测到水印的存在 NC 0.83。 0114 表 6 为水印抗旋转攻击试验数据。表中可以看。

32、到当水印图像旋转 35时， NC 0.79，仍然可以检测到水印存在； Pitas 等人提出的抗几何攻击算法，把水印嵌入 DFT 幅度谱的园环中，只能抵抗不大于 3 度的旋转。 0115 表 6 水印抗旋转攻击实验数据 0116 0117 (2) 缩放变换 0118 图 9(a) 是当缩放因子 4.0 时的水印图像，这时中心图像比原图的要大； 0119 图 9(b) 为水印检测结果，可以检测到水印的存在， NC 1.0。 0120 图 10(a) 为缩放因子为 0.5 的水印图像，这时中心图像比原图的要小好多； 0121 图 10(b) 是水印检测结果，可以明显检测到水印的。

33、存在 NC 1.0。 0122 表 7 为水印缩放攻击试验数据，从表 7 可以看到当水印图像缩放因子小至 0.2 时，相关系数 NC 0.87，仍可测得水印。Pereira 等采用的在 DFT 中置入模板的方法，只能抵御缩放因子不小于 0.65 的缩放，说明该发明有较强的抗缩放能力。说明书 CN 102314669 A CN 102314673 A8/8 页 10 0123 表 7 水印缩放攻击实验数据 0124 缩放因子 0.2 0.5 0.8 1.0 1.2 2.0 4.0 NC 0.87 1.0 1.0 1.0 1.0 1.0 1.0 0125 (3) 平移变换 012。

34、6 图 11(a) 为图像水平下移 10的情况，这时 PSNR 11.69dB，信噪比很低； 0127 图 11(b) 为水印检测器输出，可以明显检测到水印的存在 NC 0.81。 0128 表 8 是水印抗平移攻击试验数据。从表中得知当水平或垂直移动 10，仍然可以检测到水印的存在，故该数字水印有较强的抗平移能力。 0129 表 8 水印抗平移攻击实验数据 0130 0131 (4) 剪切试验 0132 图 12(a) 为对水印图像进行剪切 20的情况，这时图像已被剪切掉五分之一了； 0133 图 12(b) 为其水印检测情况，可以明显检测到水印的存在， NC 0.87。。

35、 0134 表 9 为水印抗切割试验数据，从表中试验数据可以得知该算法有一定的抗剪切能力。 0135 表 9 水印抗剪切攻击实验数据 0136 0137 通过以上的实验说明，该水印的嵌入方法，有较强的抗常规攻击能力和几何攻击能力，并且水印的嵌入不影响医学图像的值，是一种零水印。说明书 CN 102314669 A CN 102314673 A1/3 页 11 图 1(a)图 1(b) 图 1(c) 图 1(d) 图 2(a)图 2(b) 图 2(c) 图 2(d) 图 3(a)图 3(b) 图 3(c)图 3(d) 图 3(e)图 3(f) 图 3(g)图 3(h) 说明书附图 CN 102314669 A CN 102314673 A2/3 页 12 图 4(a)图 4(b) 图 5(a) 图 5(b) 图 6(a) 图 6(b) 图 7(a)图 7(b) 图 8(a) 图 8(b) 图 9(a) 图 9(b) 图 10(a) 说明书附图 CN 102314669 A CN 102314673 A3/3 页 13 图 10(b)图 11(a)图 11(b) 图 12(a) 图 12(b) 说明书附图 CN 102314669 A 。

展开阅读全文