本发明专利技术涉及一种基于DWT-DCT和Logistic?Map的医学图像鲁棒水印方法，属于多媒体信号处理领域。本发明专利技术是先进行水印的预处理和水印的嵌入，包括：(1)利用Logistic?Map得到加密矩阵；(2)得到加密的水印；(3)对原图进行DWT变换，再对逼近子图进行DCT变换，并提取一个特征的向量；(4)利用该特征向量和混沌加密的水印得到相应的二值逻辑序列，并将该二值序列存于第三方；再进行水印的提取和还原，包括：(5)对待测图像进行类似(3)的操作，求出一个特征向量；(6)提取加密的水印；(7)利用Logistic?Map生成二值加密矩阵；(8)求得还原水印；本发明专利技术可以保护病患信息的隐秘性。
【技术实现步骤摘要】
本专利技术属于多媒体信号处理领域，涉及一种小波变换(DWT)、离散余弦变换(DCT)、混沌(Logistic Map)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DffT-DCT和Logistic Map的医学图像鲁棒水印方法。
技术介绍
近年来，随着计算机科学技术和多媒体通信技术的迅速发展，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。随着软硬件条件的进步，特别是高分辨率的计算机X光断层扫描技术(CT)和核磁共振成像技术(MRI)及先进的光学扫描仪等新设备的出现和一系列相关软件的开发，医学图像的效果有了质的飞跃。随着互联网的推广应用，远程医疗、远程诊断日益普及，基于网络传输的医学图像的信息安全问题逐渐暴露出来。在医学图像上的个人信息容易泄漏，如何解决这一难题？利用数字水印的不可见性和鲁棒性可以较好的解决这个难题，即把医学图像上的病人的个人信息作为数字水印嵌入在医学图像中。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DffT)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。目前，小波变换(DWT)，是下一代图像压缩技术JPEG2000的核心，基于小波变换的数字水印目前研究的比较多，而DCT是现在最流行图像压缩JPEG的核心，将两者有机结合是现今频率域数字水印算法研究的热点之一。鉴于对医学图像病灶区保护的特殊性要求，一般的医学图像数字水印方法常选择将水印信息嵌入到医学图像的非感兴趣区域(Regionofnon-interest,RONI)。医学图像中的感兴趣区域(Region ofinterestROI)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。另外，在医学图像数字水印研究领域，至今为止基于DWT-DCT和Logistic Map抗几何攻击的医学图像数字水印仍是一个比较难以解决的课题，目前尚未见公开报道，尚属空白，而在实际应用中，医学图像常受到几何攻击。
技术实现思路
本专利技术的目的是提供，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、提取的快捷性问题和容量限制性问题，具有很理想的鲁棒性和不可见性，有效地解决了医学图像的数字水印问题，同时解决了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，以保护病患信息的隐秘性。为了实现上述目的，本专利技术是这样进行的先对医学图像进行小波变换，得到“近似系数”和“细节系数”，根据小波原理可知，“近似系数”代表医学图像的低频特性，反映的是医学图像的主要轮廓；“细节系数”代表医学图像的高频特性，反映的是医学图像的细节信息。由于小波变换本身的抗几何攻击能力较差，为此，我们先对医学图像进行小波变换(DWT)，然后再对反映低频特性的“近似系数”进行全局余弦变换(DCT)，在DCT系数中，提取一个抗几何攻击的特征向量，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，实现了基于DWT-DCT和Logistic Map的抗几何攻击数字水印的嵌入。本专利技术所采用的方法包括水印预处理、水印嵌入、水印提取和水印还原四大部分，第一部分为水印的预处理方法，包括(I)由逻辑初始值Xtl生成混沌序列X (j)，然后通过升维运算和符号运算得到二值加密矩阵C(i，j) ；(2)通过二值加密矩阵C(i，j)和二值水印W(i，j)得到加密的水印BW(i，j)。第二部分为水印嵌入方法，包括(3)通过对医学图像进行小波变换，然后对近似系数进行全局DCT变换，得到图像的一个视觉特征向量V(j) ；(4)由医学图像的视觉特征向量V(j)和加密的水印BW(i，j)，通过Hash函数运算，生成二值逻辑序列Key (i，j)，然后将二值逻辑序列Key (i，j)存在第三方。第三部分为水印提取方法，包括(5)求出待测图像的视觉特征向量V’ (j) ；(6)利用存在第三方的二值逻辑序列Key(i，j)和待测医学图像的特征向量V’ (j),提取出待测图像所含的水印BW’(i，j)。第四部分为水印还原方法，包括(7)由逻辑初始值Xtl生成混沌序列X (j)，然后通过升维运算和符号运算得到二值加密矩阵C(i，j) ；(8)通过二值加密矩阵和提取的加密水印BW’(i，j)，利用Hash函数性质可以得到还原的水印W’(i，j)。现对本专利技术的方法进行详细说明如下首先选择一个有意义的二值图像作为要嵌入医学图像的原始水印，记为W ={w(i, j) |w(i, j) = 0,1 ;1彡i彡Ml, I彡j彡M2},同时,我们选取一个医学体数据的第十片作为原始医学图像，记为 F= {f(i, j) f(i, j) e R；1 ^ i ^NLl ^ j ^ N2}, w(i, j)和f(i，j)分别表示水印和原始医学图像的像素灰度值，为了便于运算，我们假设Ml = M2=Μ, NI = N2 = N。第一部分水印的预处理方法I)生成混沌序列并得到二值加密矩阵。混沌序列X(j)由初始值Xtl生成，但它是一维序列，为了匹配二维水印，需要通过升维运算得到二维矩阵。最后，混沌序列X (j)通过符号运算得到二值加密矩阵C (i，j)。其中x(j)的值大于O. 5的为“1”，其余为“O”。2)得到混沌加密的水印。首先将原始水印转化为二值水印W(i，j)，然后将二值水印和二值加密矩阵C(i，j)通过Hash函数性质得到加密的水印Bff (i, j)。第二部分水印嵌入方法3)通过对原始医学图像进行小波变换，然后对小波变换的“近似系数”再进行全局DCT变换，在DCT的低中频系数中，得到该医学图像的一个抗几何攻击的特征向量V(j)。先对原图F(i，j)进行L级小波分解获得逼近子图系数FA(i，j)。这里取L= I.然后对逼近子图FA (i，j)进行全局DCT变换，得到DWT-DCT系数矩阵FD (i，j)，再对DWT-DCT系数矩阵进行Zig-Zag扫描，得到频率由低到高的DWT-DCT系数序列Y (j)，取前L个值，通过符号运算得到该医学图像的视觉特征向量V(j) = {v(j) |v(j) =0，1;1彡j彡L}，L的取值大小要根据一次性嵌入水印的长度和对鲁棒性要求的强弱来决定，本文中，取L = 32.FA (i，j) = DWT2 (F (i，j))FD (i，j) = DCT2 (FA (i，j))Y(j) = Zig-Zag(FD(i, j))V(j) = Sign(Y(j))4)根据加密的水印BW(i，j)和图像的视觉特征向量V(j)生成一个二值逻辑序列Key(i, j)。权利要求1.，其特征在于基于小波、余弦变换的抗几何攻击的特征向量的提取，并将水印技术、Logistic Map混沌加密技术、密码学中的Hash函数特性和“第三方”概念有机结合起来，实现了在医学图像中嵌入数字水印的方法，该方法共分四个部分，共计八个步骤第一部分是水印的预处理利用Logistic Map的性质对水印进行混沛加密,得到加密的水印BW (i，j)；1)由逻辑初始值Xtl本文档来自技高网...
【技术保护点】
一种基于DWT?DCT和Logistic?Map的医学图像鲁棒水印方法，其特征在于：基于小波、余弦变换的抗几何攻击的特征向量的提取，并将水印技术、Logistic?Map混沌加密技术、密码学中的Hash函数特性和“第三方”概念有机结合起来，实现了在医学图像中嵌入数字水印的方法，该方法共分四个部分，共计八个步骤：第一部分是水印的预处理：利用Logistic?Map的性质对水印进行混沌加密，得到加密的水印BW(i，j)；1)由逻辑初始值x0生成混沌序列X(j)，然后通过升维运算和符号运算得到二值加密矩阵C(i，j)；2)二值加密矩阵C(i，j)和二值水印W(i，j)通过Hash函数性质得到加密的水印BW(i，j)；第二部分是水印的嵌入：通过对水印的嵌入操作，得到相应的二值逻辑序列Key(i，j)；3)对原始医学图像进行小波变换，再对其近似系数进行全局余弦变换，在余弦变换系数中，根据低中频系数的符号序列来得到该医学图像的一个抗几何攻击的特征向量V(j)；4)由医学图像的视觉特征向量V(j)和加密的水印BW(i，j)，通过Hash函数运算，生成二值逻辑序列Key(i，j)，保存Key(i，j)，下面提取水印时要用到，通过把Key(i，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；第三部分是水印的提取：通过二值逻辑序列Key(i，j)和待测医学 图像的抗几何攻击的特征向量V’(j)，提取出水印BW’(i，j)；5)对待测医学图像进行小波变换并对其近似系数进行全局DCT变换；在变换系数中，根据低中频系数的符号提取出待测医学图像的一个抗几何攻击的特征向量V’(j)；6)利用Hash函数性质，和存在于第三方的Key(i，j)，提取出水印，BW,(i,j)=Key(i,j)⊕V,(j);第四部分是水印的还原：利用Logistic?Map性质得到二值加密矩阵，还原水印；7)由逻辑初始值x0生成混沌序列X(j)，然后通过升维运算和符号运算得到二值加密矩阵C(i，j)；8)利用Hash函数性质，和二值加密矩阵C(i，j)，还原加密的水印，W,(i,j)=BW,(i,j)⊕C(i,j);将W(i，j)和W’(i，j)进行归一化相关系数计算，来确定医学图像的所有权。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李京兵，杜文才，刘瑶利，周又玲，
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。