本发明专利技术公开了一种基于AlexNet和DCT的医学图像鲁棒水印方法，属于多媒体信号处理领域。本发明专利技术的步骤是：首先利用LogisticMap的性质在频域对水印进行置乱加密；然后通过对医学图像用AlexNet和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用AlexNet和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。本发明专利技术是基于AlexNet和DCT的医学图像数字水印技术，有较好的鲁棒性，针对旋转、水平左移、垂直下移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。是一种零水印技术。
【技术实现步骤摘要】
一种基于AlexNet深度网络和DCT的医学图像鲁棒水印方法
[0001]本专利技术涉及一种基于AlexNet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AlexNet和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
[0002]医学发展逐渐从传统医学向远程医疗转变，这使得大量的医学图 像在网络中传输和共享；为了解决医学图像在传输共享过程中可能遭 受篡改，盗用这些问题，需要对原始医学图像进行处理；将零水印技 术与感知哈希技术相结合，作为信息安全的安全技术，既能保证安全 传输，又能实现信息认证，在实际应用中具有十分重要的用途。
[0003]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。
[0004]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。
[0005]总之，在基于AlexNet和DCT的医学图像中嵌入可抗旋转、缩 放、平移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。
技术实现思路
[0006]本专利技术是一种基于AlexNet和DCT的医学图像鲁棒水印方法， 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。
[0007]为了实现上述目的，本专利技术是这样进行的：先利用AlexNet网络 对医疗图像进行特征提取，然后对AlexNet网络提取的特征向量进行 一维离散余弦变换(DCT)操作，在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。本专利技术所采用的方法包括基于AlexNet和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。
[0008]现对本专利技术的方法进行详细说明如下：
[0009]选择一个有意义的二值文本图像作为嵌入医学图像的水印，记为 W＝{w(i,j)|w(i,j)＝0,1；1≤i≤M1,1≤j≤M2}。同时，我们选取一个 256*256的医学图像作为原始医学
图像，记为I(i,j),W(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。
[0010]第一部分：在AlexNet和DCT变换下，提取医学图像的特征向 量
[0011]1)使用AlexNet网络对原始医学图像I(i,j)进行特征提取，获得特征 向量；
[0012]f_fc6＝activations(net，grayImage
’
，fc8
’
，
’
OutputAs
’
，
’
chanel
’
)；
[0013]2)对AlexNet网络提取的特征向量进行DCT变换得到系数矩阵F0 (i,j)；
[0014]F0(i,j)＝dct(f_fc6)
[0015]选取F(i,j)中4*8的模块构成新矩阵key_orig(i,j)；
[0016]3)利用哈希函数，生成32位医学图像的特征二值序列V(i,j)
[0017]第二部分：水印的加密
[0018]4)获取二值混沌序列
[0019]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32；
[0020]6)得到混沌加密的水印
[0021]将混沌序列X(j)中值按照由小及大顺序做排序操作，接着依照 X(j)中各个值排序前后的位置变化对水印像素的位置空间进行置乱， 得到混沌置乱的水印BW(i,j)。
[0022]第三部分：水印的嵌入
[0023]7)将特征向量V(i,j)和加密后的水印BW(i,j)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Key(i,j)；
[0024][0025]保存Key(i,j)，这在后面提取水印时要用到。通过将Key(i,j)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；
[0026]第四部分：水印的提取
[0027]8)待测医学图像I'(i,j)的特征向量
[0028]使用AlexNet网络对待测的医学图像进行特征向量提取，之后再 进行DCT变换得到系数矩阵F1(i,j)，选取系数中4*8的模块，通过 哈希函数得到待测医学图像的视觉特征序列V'(i,j)；
[0029]F1(i,j)＝dct(f_fc5)
[0030]9)提取水印BW'(i,j)
[0031]将待测加密图像的特征向量V'(i,j)和逻辑密钥Key(i,j)进行异或 运算，便提取出加密的水印BW'(i,j)；
[0032][0033]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；
[0034]第五部分：水印的解密
[0035]10)获取二值混沌加密序列X(j)
[0036]利用和水印加密同样的方法，得到相同的二值混沌矩阵X(j)；
[0037]11)还原提取出的加密水印
[0038]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W'(i,j)；
[0039]通过计算W(i,j)和W'(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；
[0040]本专利技术的创新点：
[0041]本算法基于AlexNet网络和DCT，应用了近年来最热门的深度学 习技术，同时兼顾了DCT抗常规攻击能力强、遍历性、鲁棒性等特 点，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。
[0042]以下从理论基础和实验数据说明：
[0043]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于AlexNet和DCT的医学图像鲁棒水印实现方法，其特征在于：基于AlexNet和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，共计九个步骤：第一部分是医学图像的特征提取：1)运用AlexNet网络对医学图像进行处理，获取1000位的特征向量；2)对1000位特征向量进行DCT变换得到系数矩阵F(i,j)；3)通过对F(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LogisticMap产生混沌序列X(j)；5)将混沌序列X(j)中值按照由小及大顺序做排序操作，接着依照X(j)中各个值排序前后的位置变化对水印像素的位置空间进行置乱，得到混沌置乱的水印BW(i,j)；6)根据加密水印序列BW(i,j)和提取的医学图像的特征序列V(i,j)，生成一个二值逻辑密钥序列K...
【专利技术属性】
技术研发人员：李京兵，刘文艺，黄梦醒，陈延伟，
申请(专利权)人：海南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。