论文部分内容阅读
在医生的临床诊断与科学研究中,医学影像是一个重要的辅助工具。并且随着科技的进步,医学影像数据也在不断地激增,随之我们面临着如何安全有效地存储和传输医学数据及保护病患的个人隐私问题。得益于5G时代的来临,结合人工智能和云工具等,智慧医院也在急速发展。其中医院可以选择将产生的医学数据储存在云平台。云平台虽然可以为用户提供具有规模和计算能力的存储空间,但依然存在信息泄露的问题。所以,如何在海量数据线上存储和传播的情况下,安全高效的保护病人隐私是当前医学影像数据亟待解决的问题。目前,医学图像数字水印技术可用于保护病人隐私,即将病人隐私信息作为水印隐藏在相对应的医学图像中。其中算法的鲁棒性和不可感知性的平衡一直是一个热点与难点。基于小波变换在数字水印领域的发展,本文所选择的Contourlet变换改善了小波变换在图像处理时,无法较好的逼近图像边缘的缺陷。本文研究了基于Contourlet变换的数字水印技术,具体研究内容为基于Contourlet变换的数字零水印算法。本文做了以下研究工作:研究了一种基于Contourlet变换的医学图像零水印算法,在该算法中,首先对载体图像进行Contourlet变换,取低频部分进行感知哈希,为了匹配原始加密水印的大小,在感知哈希中取4x8的矩阵,通过和整个矩阵的均值比较,二值化形成32位特征向量,与加密水印进行异或计算完成嵌入。该方法不限制嵌入水印的容量。通过实验数据表明,无论是在常规攻击还是几何攻击上,均有较强的鲁棒性。研究了基于非下采样Contourlet变换和方向信息强度的医学图像零水印算法,利用Contourlet变换的最大特点与优势,即可以多方向和多尺度的对图像进行表达。通过计算每个方向子带的方向信息强度,去量化频域中子带所含有的方向特征信息,即选择包含方向信息最多、强度最大的子带来提取特征值。然后通过奇异值分解将子带分块、计算每块的2-范数,最后通过二值化提取特征,完成嵌入。本章用仿真实验的数据表明该算法有较强的鲁棒性,尤其在较难解决的旋转攻击上。