基于深度残差网络的医学图像鲁棒可逆水印算法

医学图像作为医生诊断的重要依据,其版权保护一直是研究重点。在对医学图像进行版权保护时,必须保证图像修改后能无损恢复。但是,当前大多数应用于医学图像的可逆水印算法并未考虑鲁棒性。因此,本文针对具有一定鲁棒性的可逆水印算法进行研究,提出一种基于深度残差网络ResNet的鲁棒可逆医学图像水印算法。首先,算法利用深度残差模型提取医学图像的深度特征信息,自适应确定最优嵌入强度,均衡水印的不可见性和鲁棒性;此外,结合遗传算法和模糊C-均值的聚类算法对水印区域动态划分,根据聚类结果提取水印信息,有效克服信号攻击对含水印图像的影响,提高可逆水印算法的鲁棒性。实验结果表明:在嵌入水印后,含水印医学图像的PSNR值都可以达到36 dB以上,具有较好的图像质量;在提取水印后,算法可以完全无损恢复医学图像;在受到高斯噪声、椒盐噪声、JPEG压缩等常见信号攻击后,算法仍然可以准确提取水印信息,表现出较强的鲁棒性。

弥散加权图像的鲁棒水印算法研究

目的弥散加权成像(DWI)作为一种新型医学影像成像技术,已逐渐成为诊断心脏、大脑、肾脏、肝脏等器官中的神经、纤维组织病变的重要方法和手段。与传统的核磁共振(MRI)成像相比,通过使用不同的扩散方向矢量,在不同的扩散参数下,DWI图像呈现的灰度信息也有所不同。目前尚无相关文献提出针对DWI图像版权信息进行有效保护的相关研究。方法为有效保护病人的DWI图像版权信息,提出一种基于DWI图像的整数小波变换域(IWT)统计直方图的鲁棒水印算法。该算法首先通过最大类间方差分割算法和面积控制阈值获取指定断层中带有弥散梯度方向图像的前景区域,作为待嵌入区域。对待嵌入区域使用整数小波变换获取低频子带系数,利用固定步长对低频子带系数进行统计,生成统计直方图,对统计直方图相邻簇的比值关系进行修改用于水印嵌入;最后提出DWI表观系数与弥散张量成像(DTI)中弥散张量值的可逆关系构建可逆密钥,利用该密钥将嵌入水印后的DWI图像再次加密,从而有效保护DWI图像的版权信息。结果实验结果表明该算法引入的水印信息对DWI图像中的纤维参数改变量极小。在纤维方向和平均弥散程度改变个数上,本文算法与文献方法相比,分别降低了100多个和30多个;在可视质量上,本文算法提高约8 dB。在高斯噪声、小角度旋转等攻击中,本文算法能够提供较高的提取水印准确率。结论本文算法对医生诊断的影响在可接受的范围内,且在感兴趣区域遭受各种常见攻击时,具有较高的安全性和鲁棒性。