一种基于ORB-DCT的医学图像鲁棒水印方法

一种基于orb-dct的医学图像鲁棒水印方法
技术领域
1.本发明涉及图像水印技术领域，特别是涉及一种基于orb-dct的医学图像鲁棒水印方法。


背景技术：

2.医学发展逐渐从传统医学向远程医疗转变，这使得大量的医学图像在网络空间中传输以及共享。为了解决医学图像在传输共享过程中可能遭受篡改、盗用等问题，所以需要对原始医学图像进行数字水印处理，以将病人的个人信息隐藏在其医学图像中。
3.数字水印技术是一种在数字内容中嵌入不可见的、保护版权和隐私信息的方法，数字水印可以是文本、图像、音频或视频，它们被嵌入到原始内容中并以某种特定方式修改内容。但是，目前针对医学图像的数字水印算法的研究较少，对于抗几何攻击的医学数据零水印算法的研究成果更少。而在未来将会面临大量的医学数据传输问题，因此研究如何在医学数据中嵌入数字鲁棒水印的意义重大，并且对于医学数据，通常不允许修改其内容，这又为在医学数据中嵌入水印增加了难度。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于orb-dct的医学图像鲁棒水印方法，可以实现医学图像零水印抗几何攻击以及常规攻击的目的，具有强大的鲁棒性和不可见性，同时保护病人的隐私信息和医学图像的数据安全。其具体方案如下：
5.一种基于orb-dct的医学图像鲁棒水印方法，包括：
6.采用orb算法对医学图像进行处理，获取所述医学图像的特征描述符矩阵；
7.对所述医学图像的特征描述符矩阵进行dct变换，得到所述医学图像的系数矩阵；
8.从所述医学图像的系数矩阵中提取所述医学图像的特征序列；
9.将所述医学图像的特征序列和加密水印逐位进行异或运算，以将水印信息嵌入至所述医学图像中。
10.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，采用orb算法对医学图像进行处理，获取所述医学图像的特征描述符矩阵，包括：
11.对所述医学图像使用ofast检测器进行特征提取，得到所述医学图像的特征点；
12.使用rbrief描述符对所述医学图像的特征点进行特征描述，获取所述医学图像的特征描述符矩阵。
13.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，从所述医学图像的系数矩阵中提取所述医学图像的特征序列，包括：
14.从所述医学图像的系数矩阵中选取m
×
n的模块构成所述医学图像的新矩阵；m和n为正整数；
15.根据所述医学图像的新矩阵，生成m
×
n位的所述医学图像的特征序列。
16.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，根
据所述医学图像的新矩阵，生成m
×
n位的所述医学图像的特征序列，包括：
17.计算所述医学图像的新矩阵的均值；
18.对所述医学图像的新矩阵的均值进行哈希函数运算，生成m
×
n位的所述医学图像的二值特征序列。
19.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，在将所述医学图像的特征序列和加密水印逐位进行异或运算之前，还包括：
20.生成混沌序列；
21.将所述混沌序列中的值进行升序排列，并按照排列后的各个值的位置变化对原始水印的像素位置空间进行置乱加密，得到加密水印。
22.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，在将水印信息嵌入至所述医学图像中的同时，还包括：
23.生成逻辑密钥；
24.获取待测医学图像的特征序列；
25.利用所述逻辑密钥和所述待测医学图像的特征序列，提取出新加密水印。
26.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，获取待测医学图像的特征序列，包括：
27.采用orb算法对待测医学图像进行处理，获取所述待测医学图像的特征描述符矩阵；
28.对所述待测医学图像的特征描述符矩阵进行dct变换，得到所述待测医学图像的系数矩阵；
29.从所述待测医学图像的系数矩阵中提取所述待测医学图像的特征序列。
30.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，采用orb算法对待测医学图像进行处理，获取所述待测医学图像的特征描述符矩阵，包括：
31.对所述待测医学图像使用ofast检测器进行特征提取，得到所述待测医学图像的特征点；
32.使用rbrief描述符对所述待测医学图像的特征点进行特征描述，获取所述待测医学图像的特征描述符矩阵。
33.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，利用所述逻辑密钥和所述待测医学图像的特征序列，提取出新加密水印，包括：
34.将所述待测医学图像的特征序列与逻辑密钥进行异或运算，提取出新加密水印。
35.优选地，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，在提取出新加密水印之后，还包括：
36.将所述混沌序列中的值进行升序排列，并按照排列后的各个值的位置变化对所述新加密水印的像素位置空间进行还原，得到还原水印。
37.从上述技术方案可以看出，本发明所提供的一种基于orb-dct的医学图像鲁棒水印方法，包括：采用orb算法对医学图像进行处理，获取医学图像的特征描述符矩阵；对医学图像的特征描述符矩阵进行dct变换，得到医学图像的系数矩阵；从医学图像的系数矩阵中提取医学图像的特征序列；将医学图像的特征序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。
38.本发明提供的上述医学图像鲁棒水印方法，基于orb-dct算法，兼顾了orb算法计算速度快、尺度不变性、旋转不变性、抗几何攻击能力强的优点以及dct变换具有遍历性、鲁棒性等特点，真实可靠地提取出医学图像的特征序列，并与零水印嵌入技术相结合，实现了医学图像零水印抗几何攻击以及常规攻击的目的，弥补了传统的数字水印方法对原始医学图像数据修改所造成的缺陷，使其具有强大的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全。
附图说明
39.为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
40.图1为本发明实施例提供的基于orb-dct的医学图像鲁棒水印方法的流程图；
41.图2为本发明实施例提供的原始医学图像；
42.图3为本发明实施例提供的原始水印图像；
43.图4为本发明实施例提供的加密后的水印图像；
44.图5为本发明实施例提供的不加干扰时所提取的水印；
45.图6为本发明实施例提供的高斯噪声干扰强度为10％的医学图像；
46.图7为本发明实施例提供的高斯噪声干扰强度为10％时所提取的水印；
47.图8为本发明实施例提供的jpeg压缩质量为20％的医学图像；
48.图9为本发明实施例提供的jepg压缩质量为20％时所提取的水印；
49.图10为本发明实施例提供的滤波窗口尺寸为[3
×
3]，滤波次数为10次后的医学图像；
[0050]
图11为本发明实施例提供的滤波窗口尺寸为[3
×
3]，滤波次数为10次后所提取的水印；
[0051]
图12为本发明实施例提供的滤波窗口尺寸为[5
×
5]，滤波次数为15次后的医学图像；
[0052]
图13为本发明实施例提供的滤波窗口尺寸为[5
×
5]，滤波次数为15次后所提取的水印；
[0053]
图14为本发明实施例提供的逆时针旋转30
°
的医学图像；
[0054]
图15为本发明实施例提供的逆时针旋转30
°
时所提取的水印；
[0055]
图16为本发明实施例提供的顺时针旋转40
°
的医学图像；
[0056]
图17为本发明实施例提供的顺时针旋转40
°
时所提取的水印；
[0057]
图18为本发明实施例提供的缩放1.5倍的医学图像；
[0058]
图19为本发明实施例提供的缩放1.5倍时所提取的水印；
[0059]
图20为本发明实施例提供的水平左移30％的医学图像；
[0060]
图21为本发明实施例提供的水平左移30％时所提取的水印；
[0061]
图22为本发明实施例提供的垂直下移30％的医学图像；
[0062]
图23为本发明实施例提供的垂直下移30％时所提取的水印；
[0063]
图24为本发明实施例提供的沿x轴剪切30％的医学图像；
[0064]
图25为本发明实施例提供的沿x轴剪切30％时所提取的水印；
[0065]
图26为本发明实施例提供的沿y轴剪切25％的医学图像；
[0066]
图27为本发明实施例提供的沿y轴剪切25％时所提取的水印。
具体实施方式
[0067]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0068]
本发明提供一种基于orb-dct的医学图像鲁棒水印方法，如图1所示，包括以下步骤：
[0069]
s101、采用orb算法对医学图像进行处理，获取医学图像的特征描述符矩阵。
[0070]
需要说明的是，医学图像作为原始医学图像，例如一个512
×
512大小的医学图像，记为i(i,j)。用i(i,j)表示原始医学图像的像素灰度值。
[0071]
具体地，采用orb(oriented fast and rotated brief)算法对医学图像i(i,j)进行orb特征提取及描述，获取医学图像的特征描述符矩阵features。
[0072]
s102、对医学图像的特征描述符矩阵进行dct变换，得到医学图像的系数矩阵。
[0073]
具体地，对医学图像的特征描述符矩阵features进行dct变换，得到系数矩阵f(i,j)：
[0074]
f(i,j)＝dct2(features(i,j))。
[0075]
s103、从医学图像的系数矩阵中提取医学图像的特征序列。
[0076]
具体地，从dct变换后的系数矩阵f(i,j)中提取一个抗几何攻击的医学图像视觉特征向量作为特征序列v(i,j)。
[0077]
s104、将医学图像的特征序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。
[0078]
需要说明的是，上述加密水印是指原始水印进行加密处理后得到的水印，可以选取一个有意义的二值文本图像作为嵌入医学图像i(i,j)的水印，记为w＝{w(i,j)|w(i,j)＝0,1；1≤i≤m1,1≤j≤m2}，m1和m2分别为原始水印的长宽尺寸。用w(i,j)表示原始水印的像素灰度值。原始水印w(i,j)进行加密处理后可得到加密水印bw(i,j)。
[0079]
具体地，将医学图像i(i,j)的特征序列v(i,j)和加密水印bw(i,j)进行异或运算，可以将水印信息嵌入至医学图像i(i,j)中。
[0080]
在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，兼顾了orb算法计算速度快、尺度不变性、旋转不变性、抗几何攻击能力强的优点以及dct变换具有遍历性、鲁棒性等特点，真实可靠地提取出医学图像的特征序列，并与零水印嵌入技术相结合，实现了医学图像零水印抗几何攻击以及常规攻击的目的，弥补了传统的数字水印方法对原始医学图像数据修改所造成的缺陷，使其具有强大的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全。
[0081]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方
法中，步骤s101采用orb算法对医学图像进行处理，获取医学图像的特征描述符矩阵，具体可以包括：首先，对医学图像i(i,j)使用ofast检测器进行特征提取，得到医学图像i(i,j)的特征点；然后，使用rbrief描述符对医学图像i(i,j)的特征点进行特征描述，获取医学图像i(i,j)的特征描述符矩阵features。
[0082]
可以理解的是，orb是一种用于计算机视觉中的快速特征点提取和描述的算法；其匹配性能与sift和surf算法几乎相同，但是其速度较sift算法快约100倍，较surf算法快约10倍。orb算法主要分为两部分，分别为特征提取与特征描述，特征提取是基于fast算法改进而来，而特征描述则是由brief特征描述算法改进而来。其具有的特点包含：计算速度快，orb算法基于fast算法和brief算法的改进，能够快速计算出特征点的描述符，此外orb算法使用了一些加速技巧，例如图像金字塔和方向直方图等，使其能够在实时应用中实现高效的性能；尺度不变性，orb算法使用了多层图像金字塔，使其能够在不同的尺度下进行特征提取和匹配；旋转不变性，orb算法使用了旋转不变的rbrief描述符，可以减少在不同角度下的特征点匹配错误率，同时提高算法匹配精度；具有鲁棒性，orb算法使用了方向直方图，可以在图像存在旋转和仿射变换的情况下提高其鲁棒性；易于实现，orb算法使用了一些简单的计算技巧，例如二进制字符串描述符和快速查找表等，使其易于实现，计算速度快。
[0083]
综上所述，orb算法是一种具有快速性、鲁棒性、尺度不变性以及旋转不变性的特征提取和匹配算法，适用于需要高效处理大量图像数据的计算机视觉应用，这与医学图像领域的需求十分契合。
[0084]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，步骤s103从医学图像的系数矩阵中提取医学图像的特征序列，具体可以包括：首先，从医学图像i(i,j)的系数矩阵f(i,j)中选取m
×
n的模块构成医学图像i(i,j)的新矩阵a(i,j)；m和n为正整数；然后，根据医学图像i(i,j)的新矩阵a(i,j)，生成m
×
n位的医学图像i(i,j)的特征序列v(i,j)。其中，根据医学图像i(i,j)的新矩阵a(i,j)，生成m
×
n位的医学图像i(i,j)的特征序列v(i,j)，可以包括：计算医学图像i(i,j)的新矩阵a(i,j)的均值mean0；对医学图像i(i,j)的新矩阵a(i,j)的均值mean0进行哈希函数运算，生成m
×
n位的医学图像i(i,j)的二值特征序列v(i,j)。
[0085]
较佳地，m可以取值2，n可以取值16。具体地，选取系数矩阵f(i,j)中2
×
16的模块构成医学图像i(i,j)的新矩阵a(i,j)，并计算新矩阵a(i,j)的均值mean0；根据新矩阵a(i,j)，利用哈希函数生成32位的医学图像i(i,j)的特征序列v(i,j)。
[0086]
为了证明使用orb-dct算法所提取的医学图像特征序列是可靠的，本发明使用了orb-dct算法对6张不同的医学图像进行特征提取，如果所提取不同医学图像特征序列之间的相关系数nc(normalized cross correlation)低于0.5，即可认为所提取不同医学图像的特征序列几乎不相关，以及使用orb-dct算法提取医学图像特征序列的方法是真实可靠的。测试结果如表一所示：
[0087]
表一 不同医学图像特征序列之间的相关系数
[0088] 第1张图像第2张图像第3张图像第4张图像第5张图像第6张图像第1张图像1.000.320.360.260.210.41第2张图像0.321.000.330.360.330.31第3张图像0.360.331.000.380.070.15
第4张图像0.260.360.381.000.180.26第5张图像0.210.330.070.181.000.32第6张图像0.410.310.150.260.321.00
[0089]
从表一的数据可知，不同医学图像的特征序列之间的相关系数均低于0.5，因此本发明使用orb-dct算法所提取的医学图像特征序列是可靠的。
[0090]
可以理解的是，目前大部分医学图像水印算法抗几何攻击能力较差的主要原因为：人们将数字水印嵌入至像素或变换系数中，医学图像的轻微几何变换常常导致像素值或变换系数值有较大的变化，因此便会导致嵌入的水印易受攻击。如果能够找到反映医学图像几何特点的特征向量，那么当图像发生几何变换时，该图像的特征值基本不会发生明显突变。经过对大量医学图像的orb数据(features矩阵)进行观察，本发明发现当对医学图像按本发明的方法进行处理时，对一个医学图像进行常见的几何变换时，features矩阵的数值大小可能会发生变化，但其所有数据曲线弯曲程度基本保持不变。再结合dct变换的图像能量集中在低频区域的特点，根据人类视觉特性(hvs)，低中频信号对人的视觉影响较大，代表图像的主要特征，因此本发明中选取医学图像的orb-dct算法后的数据作为视觉特征向量。
[0091]
进一步地，在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，在执行步骤s104将医学图像的特征序列和加密水印逐位进行异或运算之前，还可以利用logistic map混沌映射的性质在频域对水印进行混沌置乱加密，具体包括：首先根据初始值x0生成混沌序列x(i)；将混沌序列x(i)中的值按照从小至大的顺序进行升序排列，并按照排列后的各个值的排序前后位置变化对原始水印w(i,j)的像素位置空间进行置乱加密，得到加密水印bw(i,j)。
[0092]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，在执行步骤s104将水印信息嵌入至医学图像中的同时，还可以包括：生成逻辑密钥key(i,j)：
[0093][0094]
保存逻辑秘钥key(i,j)，将在之后提取水印的过程中使用。通过将key(i,j)作为密钥向第三方进行申请，可以获得原始医学图像的所有权和使用权，从而达到保护医学图像的目的。
[0095]
接下来，获取待测医学图像i’(i,j)的特征序列v’(i,j)；利用逻辑密钥key(i,j)和待测医学图像i’(i,j)的特征序列，提取出新加密水印bw’(i,j)。
[0096]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，上述步骤中获取待测医学图像i’(i,j)的特征序列v’(i,j)，具体可以包括：首先，采用orb算法对待测医学图像i’(i,j)进行处理，获取待测医学图像i’(i,j)的特征描述符矩阵features’；然后，对待测医学图像i’(i,j)的特征描述符矩阵features’进行dct变换，得到待测医学图像i’(i,j)的系数矩阵f’(i,j)：f’(i,j)＝dct2(features’(i,j))；最后，从待测医学图像i’(i,j)的系数矩阵f’(i,j)中提取待测医学图像i’(i,j)的特征序列v’(i,j)。
[0097]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，采用orb算法对待测医学图像i’(i,j)进行处理，获取待测医学图像i’(i,j)的特征描
述符矩阵features’，包括：首先，对待测医学图像i’(i,j)使用ofast检测器进行特征提取，得到待测医学图像i’(i,j)的特征点；然后，使用rbrief描述符对待测医学图像i’(i,j)的特征点进行特征描述，获取待测医学图像i’(i,j)的特征描述符矩阵features’。
[0098]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，从待测医学图像i’(i,j)的系数矩阵f’(i,j)中提取待测医学图像i’(i,j)的特征序列v’(i,j)，具体可以包括：首先，从待测医学图像i’(i,j)的系数矩阵f’(i,j)中选取m
×
n(如2
×
16)的模块构成待测医学图像i’(i,j)的新矩阵a’(i,j)；然后，根据待测医学图像i’(i,j)的新矩阵a’(i,j)，生成m
×
n(如32)位的待测医学图像i’(i,j)的特征序列v’(i,j)。
[0099]
其中，根据待测医学图像i’(i,j)的新矩阵，生成2
×
16位的待测医学图像i’(i,j)的特征序列v’(i,j)，可以包括：计算待测医学图像i’(i,j)的新矩阵a’(i,j)的均值；对待测医学图像i’(i,j)的新矩阵a’(i,j)的均值进行哈希函数运算，生成32位的待测医学图像i’(i,j)的二值特征序列v’(i,j)。
[0100]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，利用逻辑密钥key(i,j)和待测医学图像i’(i,j)的特征序列，提取出新加密水印，包括：将待测医学图像i’(i,j)的特征序列v’(i,j)与逻辑密钥key(i,j)进行异或运算，提取出新加密水印bw’(i,j)：
[0101][0102]
该算法在提取水印时只需使用密钥key(i,j)，无需原始医学图像的参与，是一种零水印提取算法。
[0103]
在具体实施时，在本发明实施例提供的上述基于orb-dct的医学图像鲁棒水印方法中，在提取出新加密水印bw’(i,j)之后，还可以包括：利用和水印加密同样的方式，得到相同的二值混沌序列x(j)；将混沌序列x(j)中的值按照由小至大的顺序进行升序排列操作，并按照排列后的各个值的前后位置变化对新加密水印bw’(i,j)的像素位置空间进行还原，得到还原水印w’(i,j)。
[0104]
最后，计算原始水印w(i,j)和还原水印w’(i,j)的相关系数nc，得到原始水印和还原水印之间的相似度，确定医学图像的所有权和嵌入的水印信息，从而衡量算法的鲁棒性。
[0105]
下面结合附图对本发明作进一步的说明，实验测试的对象为512
×
512的手部医学图像，见图2，用i(i,j)表示，其中1≤i,j≤512。选择一个有意义的二值图像作为原始水印图像，记为：w＝{w(i,j)|w(i,j)＝0,1；1≤i≤m1,1≤j≤m2}，见图3，此处水印图像的大小为32
×
32。
[0106]
首先用orb算法对原始医学图像进行处理，在产生的矩阵中，选用特征描述符矩阵features对其进行dct变换，考虑到方法鲁棒性和一次性嵌入水印的容量因素，此处选取32个系数作为图像的特征值，即一个2
×
16的模块。设置混沌系数的初始值为0.2，增长参数为4，迭代次数为1024。然后对原始水印图像进行混沌加密，加密后的水印图像见图4。通过水印提取算法检测出还原水印w’(i,j)后，本发明通过计算归一化相关系数nc来判断是否有水印嵌入，当其数值越接近于1时，则表明二者图像的相似度越高，从而判断算法的鲁棒性。用psnr值表示图像的失真程度，当psnr值越大时，则说明图像的失真程度越小。
[0107]
图5为不加干扰时所提取的水印图像，可以看到nc＝1.00，表明可准确恢复水印图像。
[0108]
下面本发明通过具体实验来判断该数字水印方法的抗常规攻击能力和抗几何攻击能力。
[0109]
首先测试该水印算法抗常规攻击的能力：
[0110]
使用imnoise()函数在医学图像中添加高斯噪声。表二是水印图像抗高斯噪声干扰的实验数据。从表二中可以看出，当高斯噪声干扰强度达到20％时，受干扰图像的psnr值降至8.71db，这时提取的水印图像，其相关系数nc＝0.78，说明算法仍能准确地提取水印，并且整体数据均在0.75附近。这说明采用该发明可以使医学图像具备较高的抗高斯噪声能力。
[0111]
图6是高斯噪声强度为10％时的医学图像，在视觉上与原始手部医学图像已有明显差别；
[0112]
图7是高斯噪声强度为10％时所提取的水印图像，nc＝0.78。
[0113]
表二 水印抗高斯噪声干扰实验数据
[0114]
噪声强度(％)1357101520psnr(db)19.8715.4213.4612.2110.979.588.71nc0.70.70.780.780.780.780.78
[0115]
采用图像压缩质量百分数作为参数，对手部医学图像进行jpeg压缩处理；表三为水印抗jpeg压缩攻击的实验数据。当压缩质量仅为5％时，此时图像质量较低，但采用本发明仍然可以从受击图像中提取水印，nc＝0.78。
[0116]
图8是压缩质量为20％的医学图像；
[0117]
图9是压缩质量为20％时所提取的水印图像，nc＝1.00，可以准确提取水印。
[0118]
表三 水印抗jpeg压缩处理实验数据
[0119]
压缩质量(％)510152025304050psnr(db)27.9731.9633.8535.3136.0637.5438.8139.27nc0.780.651.001.000.780.781.000.78
[0120]
表四为医学图像水印的抗中值滤波处理实验数据，从表四中可以看出，当中值滤波参数为[7
×
7]，滤波重复次数为15时，仍然能够较好地恢复水印图像，nc＝0.71。
[0121]
图10是中值滤波参数为[3
×
3]，滤波重复次数为10的医学图像，图像已出现轻微模糊；
[0122]
图11是中值滤波参数为[3
×
3]，滤波重复次数为10时所提取的水印，nc＝0.80，说明能够较好地恢复医学图像水印。
[0123]
图12是中值滤波参数为[5
×
5]，滤波重复次数为15的医学图像，图像已出现明显模糊；
[0124]
图13是中值滤波参数为[5
×
5]，滤波重复次数为15时所提取的水印，nc＝0.80，说明能够较好地恢复医学图像水印。
[0125]
表四 水印抗中值滤波处理实验数据
[0126][0127]
接下来测试该水印算法抗几何攻击能力：
[0128]
表五为水印抗旋转变换实验数据。从表五中可以看出当医学图像逆时针旋转45
°
时，nc＝0.89，仍然能够准确地提取水印。
[0129]
图14是逆时针旋转30
°
的医学图像；
[0130]
图15是医学图像逆时针旋转30
°
时所提取的水印，nc＝1.00，表明可以准确地提取水印。
[0131]
图16是顺时针旋转40
°
的医学图像；
[0132]
图17是医学图像顺时针旋转40
°
时所提取的水印，nc＝1.00，表明能够准确地提取水印。
[0133]
表五 水印抗旋转变换实验数据
[0134]
旋转度数(
°
)-40-20-10103045psnr(db)8.809.6811.6511.519.228.43nc1.001.001.001.001.000.89
[0135]
注：旋转度数为负表示图像顺时针旋转，旋转度数为正表示图像逆时针旋转。
[0136]
表六为医学图像水印抗缩放变换实验数据，从表六中可以看出，当缩放因子小至0.5时，相关系数nc＝0.56，说明通过本发明可有效提取水印。
[0137]
图18是缩放变换后的医学图像(缩放因子为1.5)；
[0138]
图19是医学图像经缩放变换后(缩放因子为1.5)所提取的水印，nc＝0.78，表明可准确地提取医学图像水印。
[0139]
表六 水印抗缩放变换实验数据
[0140]
缩放因子0.50.81.21.52.0nc0.560.890.780.780.67
[0141]
表七是水印抗平移变换实验数据。从表七中可知，医学图像水平或垂直平移在不超过35％时，其nc值都高于0.85，说明本发明可以准确提取水印，故该水印方法具有较强的抗平移变换能力。
[0142]
图20是医学图像水平左移30％后的图像；
[0143]
图21是医学图像水平左移30％时所提取的水印，nc＝0.89，表明该发明可以准确提取水印。
[0144]
图22是医学图像垂直下移30％后的图像；
[0145]
图23是医学图像垂直下移30％时所提取的水印，nc＝1.00，表明该发明可以准确提取水印。
[0146]
表七 水印抗平移变换实验数据
[0147]
[0148][0149]
表八为水印抗剪切变换实验数据，从表八中可以看出，沿坐标轴x或坐标轴y剪切医学图像，当剪切量达到30％时，nc值仍大于0.75，表明依旧可以准确地提取水印，说明该医学水印算法具有较强的抗剪切变换能力。
[0150]
图24是医学图像沿x轴剪切30％后的图像；
[0151]
图25是医学图像沿x轴剪切30％时所提取的水印，nc＝0.78，表明可以准确地提取水印。
[0152]
图26是医学图像沿y轴剪切25％后的图像；
[0153]
图27是医学图像沿y轴剪切25％时所提取的水印，nc＝1.00，表明可以准确地提取水印。
[0154]
表八 水印抗剪切变换实验数据
[0155][0156]
从上述内容可知，本发明具有较好的鲁棒性，针对高斯噪声以及旋转、平移、剪切等几何攻击的效果尤为突出，并且水印的嵌入不改变原始加密体数据的内容。
[0157]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
[0158]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0159]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0160]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0161]
以上对本发明所提供的基于orb-dct的医学图像鲁棒水印方法进行了详细介绍，
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种基于orb-dct的医学图像鲁棒水印方法，其特征在于，包括：采用orb算法对医学图像进行处理，获取所述医学图像的特征描述符矩阵；对所述医学图像的特征描述符矩阵进行dct变换，得到所述医学图像的系数矩阵；从所述医学图像的系数矩阵中提取所述医学图像的特征序列；将所述医学图像的特征序列和加密水印逐位进行异或运算，以将水印信息嵌入至所述医学图像中。2.根据权利要求1所述的医学图像鲁棒水印方法，其特征在于，采用orb算法对医学图像进行处理，获取所述医学图像的特征描述符矩阵，包括：对所述医学图像使用ofast检测器进行特征提取，得到所述医学图像的特征点；使用rbrief描述符对所述医学图像的特征点进行特征描述，获取所述医学图像的特征描述符矩阵。3.根据权利要求2所述的医学图像鲁棒水印方法，其特征在于，从所述医学图像的系数矩阵中提取所述医学图像的特征序列，包括：从所述医学图像的系数矩阵中选取m
×
n的模块构成所述医学图像的新矩阵；m和n为正整数；根据所述医学图像的新矩阵，生成m
×
n位的所述医学图像的特征序列。4.根据权利要求3所述的医学图像鲁棒水印方法，其特征在于，根据所述医学图像的新矩阵，生成m
×
n位的所述医学图像的特征序列，包括：计算所述医学图像的新矩阵的均值；对所述医学图像的新矩阵的均值进行哈希函数运算，生成m
×
n位的所述医学图像的二值特征序列。5.根据权利要求4所述的医学图像鲁棒水印方法，其特征在于，在将所述医学图像的特征序列和加密水印逐位进行异或运算之前，还包括：生成混沌序列；将所述混沌序列中的值进行升序排列，并按照排列后的各个值的位置变化对原始水印的像素位置空间进行置乱加密，得到加密水印。6.根据权利要求5所述的医学图像鲁棒水印方法，其特征在于，在将水印信息嵌入至所述医学图像中的同时，还包括：生成逻辑密钥；获取待测医学图像的特征序列；利用所述逻辑密钥和所述待测医学图像的特征序列，提取出新加密水印。7.根据权利要求6所述的医学图像鲁棒水印方法，其特征在于，获取待测医学图像的特征序列，包括：采用orb算法对待测医学图像进行处理，获取所述待测医学图像的特征描述符矩阵；对所述待测医学图像的特征描述符矩阵进行dct变换，得到所述待测医学图像的系数矩阵；从所述待测医学图像的系数矩阵中提取所述待测医学图像的特征序列。8.根据权利要求7所述的医学图像鲁棒水印方法，其特征在于，采用orb算法对待测医学图像进行处理，获取所述待测医学图像的特征描述符矩阵，包括：
对所述待测医学图像使用ofast检测器进行特征提取，得到所述待测医学图像的特征点；使用rbrief描述符对所述待测医学图像的特征点进行特征描述，获取所述待测医学图像的特征描述符矩阵。9.根据权利要求8所述的医学图像鲁棒水印方法，其特征在于，利用所述逻辑密钥和所述待测医学图像的特征序列，提取出新加密水印，包括：将所述待测医学图像的特征序列与逻辑密钥进行异或运算，提取出新加密水印。10.根据权利要求9所述的医学图像鲁棒水印方法，其特征在于，在提取出新加密水印之后，还包括：将所述混沌序列中的值进行升序排列，并按照排列后的各个值的位置变化对所述新加密水印的像素位置空间进行还原，得到还原水印。

技术总结
本申请涉及图像水印技术领域，公开了一种基于ORB-DCT的医学图像鲁棒水印方法，包括：采用ORB算法对医学图像进行处理，获取特征描述符矩阵；对特征描述符矩阵进行DCT变换，得到系数矩阵；从系数矩阵中提取医学图像的特征序列；将医学图像的特征序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。该方法兼顾了ORB算法计算速度快、抗几何攻击能力强的优点以及DCT变换具有遍历性、鲁棒性等特点，更准确地提取出医学图像的特征序列，并采用零水印嵌入技术，弥补了传统的数字水印方法对原始医学图像数据修改所造成的缺陷，使其具有强大的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全。的隐私信息和医学图像的数据安全。的隐私信息和医学图像的数据安全。


技术研发人员：李京兵 李彦熠 黄梦醒 陈延伟 涂蓉
受保护的技术使用者：海南大学
技术研发日：2023.04.18
技术公布日：2023/7/25