基于LSB和提升小波变换的选择性医疗图像加密

数字图像作为重要的信息载体,其安全性受到越来越多的重视,图像加密算法也因此成为研究的热点。医疗图像作为一种特殊的数字图像,其中包含了病人的隐私信息,对其进行安全加密显得尤为重要。本文重点关注医疗加密图像的真实性和完整性,提出了一种基于最低有效位算法的视觉无损信息隐藏算法。首先,通过阈值分割算法,将医疗图像分为感兴趣区域和非感兴趣区域,再将感兴趣区域像素的高四位通过最低有效位隐写术嵌入到非感兴趣区域中;之后对感兴趣区域进行提升小波变换生成低频分量,将生成的低频分量通过混沌系统置乱后小波重构;最后将小波重构后的感兴趣区域进行一轮扩散加密后放回原图。实验仿真和实验分析表明,该算法具有更好的信息解密优势,在保证安全性的同时,解密后图像的峰值信噪比和结构相似性都有明显提升。

基于改进注意力机制的生成对抗网络图像修复研究

针对受损区域修复存在语义不连贯,纹理不清晰的问题,本文提出了一种基于改进注意力机制的生成对抗网络图像修复方法。用U-Net作为生成器主干,为充分学习图像特征,提高编码器中特征的利用率,在编码阶段引入改进的通道注意力模块,同时为了克服长距离对于信息的依赖,在跳跃连接层中添加转移连接层,保持图像信息的连贯性。此外在原本的重构损失函数和对抗损失函数中,添加指导损失函数与风格损失函数,增加了整个网络的稳定性。实验结果表明在Celeb A和Places2数据集上,本文方法取得了较好的修复效果。