一种基于GoogLeNet深度网络的医学图像鲁棒水印方法技术

本发明专利技术公开了一种基于GoogLeNet深度网络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Logistic Map的性质在频域对水印进行置乱加密；然后通过GoogLeNet深度网络和DCT变换提取医学图像的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；同样的方法，再通过GoogLeNet深度网络和DCT变换提取待测医学图像的特征向量，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GoogLeNet深度网络的医学图像数字水印技术，有较好的鲁棒性，针对旋转、缩放、平移、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。是一种零水印技术。

【技术实现步骤摘要】
一种基于GoogLeNet深度网络的医学图像鲁棒水印方法


[0001]本专利技术涉及一种基于GoogLeNet深度网络和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 GoogLeNet深度网络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]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。
[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，并且零水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GoogLeNet深度网络的医学图像鲁棒水印实现方法，其特征在于：基于GoogLeNet网络构建的特征提取网络和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，共计十个步骤：第一部分是医学图像的特征提取：1)以医学图像I(i,j)作为GoogLeNet网络的输入，提取GoogLeNet网络的最后一个全连接层的输出特征值P(i)；2)对全连接层的输出值P(i)进行一维DCT变换得到系数D(i)；3)选取D(i)低频处32个系数来构成向量A(i)；并利用哈希函数，生成32位医学图像的特征二值序列V(i)，即V(i)就是医学图像的特征向量。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(阈值取0.5)，接着按照二值序列顺序...

【专利技术属性】
技术研发人员：李京兵，张文星，邵春艳，肖驰，
申请(专利权)人：海南大学，
类型：发明
国别省市：