基于SwinTransformer网络的医学图像鲁棒零水印算法制造技术

本发明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，包括：获取原始医学图像；使用预训练的Swin Transformer网络模型从原始医学图像中提取具有良好泛化性能和多尺度的深层特征，并使用均值感知哈希算法生成二进制特征向量。获取原始水印图像；使用Hermite混沌神经网络加密算法对水印图像进行加密处理，提升了水印图像的安全性。最后，将加密后的水印图像与二进制特征向量进行异或运算生成零水印。本发明专利技术对于普通攻击和几何攻击都具有较强的鲁棒性。性。

【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藏的水印信息，但是它的鲁棒性较差。第二类是零水印，它是利用医学图像的重要特征来构造水印的信息，从而实现零水印。零水印不改变原始医学图像，不损害医学图像的完整性，并且能够很好地解决水印不可见性和鲁棒性相互制约的问题。因此，零水印十分适用于医学图像的版权保护。
[0005]零水印作为一种医学图像保护的有效方法，已成为目前医学图像领域的研究热点，基于Contourlet变换、离散余弦变换(Discrete cosine transform,DCT)和奇异值分解(Singular value decomposition,SVD)的鲁棒零水印算法，该算法在子块上使用Contourlet变换和DCT变换得到每个子块的低频子带，然后在低频子带上使用分块SVD，利用最大奇异值矩阵构造特征向量。实验结果表明，该算法提取的水印图像较为完整。基于双树复数小波变换(Dual
‑
tree complex wavelet transform,DTCWT)和DCT变换的医学图像零水印算法，该算法使用DTCWT变换结合DCT变换提取图像的视觉特征，最后根据整体与均值的大小关系构造特征矩阵，该算法在抵抗几何攻击方面的鲁棒性有所提升。基于Curvelet变换、离散小波变换(Discrete wavelet transform,DWT)和SVD的零水印算法，结合Curvelet变换和小波变换表征图像特性和利用二次分块细分的优势克服DWT
‑
SVD的缺点，对于常见的几何攻击具有较好抵抗性能和稳定性。基于离散傅里叶变换(Discrete fourier transform,DFT)和DCT变换的零水印算法，该算法使用DFT变换提取图像的高频系数，对高频系数进行DCT变换后得到与水印图像大小一致的低频系数，最后利用低频系数生
成特征序列实现零水印嵌入。基于Zernke
‑
DCT变换的医学图像零水印算法，该算法使用Zernike矩提取医学图像的轮廓特征，再利用DCT变换集中图像能量，从而构造零水印信息。基于Curvelet
‑
DCT变换与RSA伪随机序列的零水印算法，该算法对Curvelet变换的粗层进行DCT变换，提取能量最集中的医学图像构造特征向量。然后利用RSA算法生成伪随机序列对水印图像进行加密，该算法加强了对患者隐私数据的保护。基于多通道位移格根鲍尔分数阶矩(Multi
‑
channels shifted gegenbauer moments offractional orders,FrMGMs)的零水印算法，该算法使用FrMGMs提取医学图像的特征，再通过比较精确FrMGMs矩的大小构造特征向量。该算法能有效抵抗各种攻击。基于分数阶径向谐波傅立叶矩(Fractional
‑
order radial harmonic fourier moments,FoRHFM)的医学图像零水印算法，该算法使用FoRHFM提取医学图像的复杂特征，然后选择准确的系数来构建零水印。
[0006]在目前提出的医学图像零水印算法中，鲁棒性是研究的重点。大部分算法对于旋转和平移等几何攻击的鲁棒性都较差，这是因为几何攻击会改变被攻击的医学图像与原始医学图像之间的位置关系，使得零水印信息与医学图像严重不同步，导致零水印的提取极其困难。同时，要求零水印密钥与医学图像之间是唯一对应的，但是相似的医学图像之间构造的零水印密钥可能存在相同的情况，导致唯一性较低。因此，如何在医学图像中提取出能够抵抗几何攻击的特征向量，使算法在不改变原始图像的情况下具有良好的鲁棒性和唯一性，是一个亟待解决的重要问题。

技术实现思路

[0007]本专利技术意在提供一种基于Swin Transformer网络的医学图像鲁棒零水印算法，以解决现有算法对于抵抗各种攻击的能力较弱和唯一性较差的问题。
[0008]本方案中的基于Swin Transformer网络的医学图像鲁棒零水印算法，包括以下步骤：
[0009]S1，获取原始医学图像；
[0010]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；
[0011]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；
[0012]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；
[0013]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；
[0014]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；
[0015]S7：通过输入参数进行水印图像的解密，利用Heremite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。
[0016]本方案的有益效果是：
[0017]提出算法利用Swin Transformer模型获取医学图像的多尺度深层特征，这些特征具有良好的差异性，并且对裁剪和平移等几何攻击具有高度不变性，提高了算法对几何攻
击的抵抗力。此外，提出算法利用Hermite混沌神经网络加密水印图像，采用零水印算法实现水印的嵌入本文档来自技高网...

【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：