【技术实现步骤摘要】
基于DO
‑
VGG网络的医学图像鲁棒零水印算法
[0001]本专利技术涉及医疗信息安全领域的图像数据处理方法,具体涉及基于DO
‑
VGG网络的医学图像鲁棒零水印算法。
技术介绍
[0002]得益于互联网和智能医学的蓬勃发展,磁共振成像和其他医学技术进行诊断已经成为现代医学诊断不可或缺的辅助手段。医学图像能够更准确、更形象的反映出病人具体的病理信息,也方便了医院与医院之间进行远程或者实时的信息交流。由于公共网络固有的安全风险,使用网络在实现信息共享的同时,新的威胁如非法拷贝、篡改等问题也随之出现。因此,如何存储海量医学数据和保障跨科室或跨区域传输共享医疗资源在一个安全的环境下是及其重要的问题。更重要的是,怎样防止篡改和泄露这些医疗数据中所包含的患者或医院隐私。为了更好地保护医学图像和隐藏在医学图像中的重要信息的安全传输,医学图像水印技术以其独特的鲁棒性和安全性成为解决这种信息安全问题的有效手段,在保护版权和隐私等方面发挥着尤为重要的作用。
[0003]随着医学影像技术的发展,数字化医学图像已经成为医生获得患者病理信息的重要依据。与自然图像相比,医学图像具有数据量大、分区域特征明显、像素相关性高、直方图分布不均匀等特点。MRI成像的多参数性使得其处理方法更加丰富。MRI图像具有非常高的空间分辨率,这可能导致在存储和压缩过程中降低医学图像细节的可见性。此外,MRI图像在成像时可能会出现来自被检测物体或机器的高斯噪声,或者信号转换时会存在加性高斯噪声,导致医学图像质量下降。为了更好
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.基于DO
‑
VGG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):步骤1,获取原始医学图像;步骤2,用数据集训练DO
‑
VGG网络得到预训练的模型。利用预训练的DO
‑
VGG网络提取原始医学图像的高维鲁棒特征,使用特征融合和均值感知哈希算法生成二值特征向量;步骤3,使用改进的Logistic混沌加密算法对原始水印图像进行加密,得到加密的水印图像;步骤4,将步骤3中得到的加密的水印图像与步骤2中得到的二值特征向量进行异或运算构造零水印密钥;步骤5,利用预训练的DO
‑
VGG网络提取受攻击的医学图像的鲁棒特征,并生成二值特征向量;步骤6,从步骤4中获取零水印密钥,通过零水印密钥与步骤5中得到的二值特征向量进行异或运算得到提取的水印图像;步骤7,通过输入密钥对水印图像进行解密,利用Logistic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DO
‑
VGG网络的医学图像鲁棒零水印算法,其特征在于:所述步骤2中,将原始医学图像F(i,j)输入到预训练的DO
‑
VGG网络中,提取最后一个卷积层的深层复杂特征图像FA(p,q,l)。得到特征FA(p,q,l)公式为:F(i,j)
→
DO
‑
VGG
→
FA(p,q,l)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)3.根据权利要求2所述的基于DO
‑
VGG网络的医学图像鲁棒零水印算法,其特征在于:所述步骤2中,融合深层复杂特征图像FA(p,q,l)得到特征矩阵FG(p,q),融合方式如公式2所示。4.根据权利要求3所述的基于DO
‑
VGG网络的医学图像鲁棒零水印算法,其特征在于:所述步骤2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:5.根据权利要求4所述的基于DO
‑
VGG网络的医学图像鲁棒零水印算法,其特征在于:所述步骤3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,然后使用改进的Logistic混沌加密算法对原始水印图像进行加密,得到加密的水印图像W1,密钥为K1。改进的Logistic混沌系统的定义公式为:其中,μ∈[0,4]为混沌系统的控制参数,x
k
∈(0,1)为系统变量,k是迭代次数,ν是增长参数,|
技术研发人员:黄同愿,闵婕,徐嘉,黄柏雄,张智星,胡传新,
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。