【技术实现步骤摘要】
基于Swin Transformer网络的医学图像鲁棒零水印算法
[0001]本专利技术涉及图像数据处理方法领域,具体涉及基于Swin Transformer网络的医学图像鲁棒零水印算法。
技术介绍
[0002]随着互联网技术的进步和大数据的不断成熟,数字化技术正广泛的渗透到医学图像领域中,每天都有大量的医学图像通过网络进行传输交流,而在此传输过程中医学图像极易遇到非法篡改、复制、泄露等问题。因此,保护患者的个人隐私,使得病人的CT、MRI等医学影像上的个人信息、病人的电子病历(Electronic Patient Records,EPR)、以及患者的病情等数据不被泄露,已成为亟待解决的问题。经研究调查,数字水印作为一项重要的信息安全技术,可用于图像完整性认证和图像版权保护,因此,基于数字水印的医学图像水印技术可以有效解决上述问题。
[0003]医学图像水印技术将患者的个人信息隐藏在相应的医学图像中,从而保护患者的隐私,确保这些信息安全地传输。但医学图像有着其独特的特性,大多数医学图像是单通道的灰度图像,在相似度极高的背景组织中的细微变化有可能就代表着某种病变,任何细微变化都可能造成医学图像的失真,影响医生的诊断。因此医学图像的特殊性使得传统的医学图像数字水印算法难以解决这些问题,为了减小水印对医学图像原始信息的影响,设计对原始医学图像无损的水印算法至关重要。
[0004]常用的医学图像无损的数字水印算法分为两类。第一类是可逆水印,它是将水印隐藏到原始医学图像中,在水印嵌入后能成功地从医学图像中提取隐 ...
【技术保护点】
【技术特征摘要】
1.基于Swin Transformer网络的医学图像鲁棒零水印算法,其特征在于,包括以下步骤(假设原始医学图像为F(M
×
M),原始水印图像W(N
×
N):S1,获取原始医学图像;S2,用数据集训练Swin Transformer网络得到预训练的模型。利用预训练的Swin Transformer网络提取原始医学图像的鲁棒特征,使用均值感知哈希算法生成二值特征向量;S3,使用Hermite混沌神经网络加密原始二值水印图像,得到加密的水印图像;S4,将S3中得到的加密的水印图像与S2中得到的二进制特征向量进行异或运算构造零水印密钥;S5:利用预训练的Swin Transformer网络提取待测试医学图像的鲁棒特征,并生成二值特征向量;S6:从S4中获取零水印密钥,通过零水印密钥与S5中得到的二值特征向量进行XOR运算得到提取的水印图像;S7:通过输入参数进行水印图像的解密,利用Hermite混沌解密算法得到最后的解密图像,最后将解密的水印图像与原始水印图像进行NC值计算。2.根据权利要求1所述的基于Swin Transformer网络的医学图像鲁棒零水印算法,其特征在于:所述S2中,使用预训练的Swin Transformer网络提取原始医学图像F(i,j)的深度特征图FA(p,q,l),得到特征FA(p,q,l)公式为:F(i,j)
→
Swin Transformer
→
FA(p,q,l)(1)3.根据权利要求2所述的基于Swin Transformer网络的医学图像鲁棒零水印算法,其特征在于:所述S2中,将深度特征图FA(p,q,l)融合生成特征图像FG(p,q),得到特征图像FG(p,q)公式为:4.根据权利要求3所述的基于Swin Transformer网络的医学图像鲁棒零水印算法,其特征在于:所述S2中,采用均值感知哈希算法提取医学图像特征矩阵FG(p,q)的哈希序列,生成64位二进制哈希序列FV(k),k=1,2,
…
,64。得到二进制哈希序列FV(k)的公式为:FV(k)=mHash(FG(p,q))
ꢀꢀꢀꢀꢀꢀꢀ
(3)5.根据权利要求4所述的基于Swin Transformer网络的医学图像鲁棒零水印算法,其特征在于:所述S3中,将原始水印图像W进行二值化处理,得到原始二值水印图像,然后将Hermite多项式和Logistic混沌系统结合起来,在反向传播神经网络(Back propagation neural network,BPNN)的基础上得到Hermite混沌神经网络。使用Hermite混沌神经网络对原始二值水印图像进行加密,得到加密后的二值水印图像W1,加密的密钥为K1。Hermite混沌神经网络的隐藏层神经元的输入和输出公式为:O
j
=w
j
x,j=0,1,2,...,n
‑1ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中,x为输入元素,w
j
为输入层和隐藏层之间的权重,c
j
为隐藏层和输出层之间的权
重,H
j
(
·
【专利技术属性】
技术研发人员:黄同愿,黄柏雄,徐嘉,闵婕,胡传新,张智星,
申请(专利权)人:重庆理工大学,
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。