面向醫(yī)學(xué)影像的數(shù)字水印算法研究
發(fā)布時(shí)間:2021-12-31 08:08
隨著遠(yuǎn)程醫(yī)療技術(shù)、智慧醫(yī)療、影像組學(xué)等相關(guān)技術(shù)的發(fā)展,許多醫(yī)療影像數(shù)據(jù)不僅存儲(chǔ)在患者就診的單一診所中,也將傳輸?shù)缴霞?jí)醫(yī)療單位或醫(yī)療科研單位用于輔助診斷患者病情。但醫(yī)學(xué)影像數(shù)據(jù)的遠(yuǎn)程傳輸降低了患者個(gè)人信息安全,因此為保證患者個(gè)人信息安全,提高遠(yuǎn)程醫(yī)療技術(shù)安全性,本文針對(duì)面向醫(yī)學(xué)圖像的數(shù)字水印進(jìn)行研究。通過(guò)對(duì)現(xiàn)有的水印算法進(jìn)行研究總結(jié)的基礎(chǔ)上,本文提出兩種針對(duì)醫(yī)學(xué)圖像的數(shù)字水印算法,具體為:1、基于醫(yī)學(xué)圖像實(shí)質(zhì)區(qū)域的雙水印算法。該算法首先通過(guò)最大類(lèi)間方差法對(duì)肺部和腦部電子計(jì)算機(jī)斷層掃描(Computes Tomography,CT)或核磁共振成像(Magnetic Resonance Imaging,MRI)圖像提取實(shí)質(zhì)區(qū)域。然后對(duì)實(shí)質(zhì)區(qū)域按照隸屬度規(guī)則進(jìn)行分塊擬合,其次對(duì)實(shí)質(zhì)區(qū)域塊進(jìn)行整數(shù)小波變換(Integer wavelet transform,IWT)并對(duì)其中頻子帶系數(shù)進(jìn)行多比特位編碼可逆水印嵌入,最后為增加可逆水印的魯棒性,因此對(duì)嵌入水印圖像的低頻子帶系數(shù)使用增強(qiáng)奇異值構(gòu)建零水印信息。該算法使用零水印信息檢測(cè)醫(yī)學(xué)圖像水印是否遭受攻擊,并定位攻擊位置。在水印圖像未遭受攻擊時(shí),通過(guò)可...
【文章來(lái)源】:貴州大學(xué)貴州省 211工程院校
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
肺部精準(zhǔn)分割掃描方法
精細(xì)分割Fig3.2Accuratesegmentation
MRI-腦 32*32 19316 58.316 6278CT-肺 8*8 4365 45.461 2627CT-肺 16*16 7677 36.062 2661CT-肺 32*32 15246 34.176 2361S 方法中,選擇使用直方圖平移的方式將水印嵌入圖像中,在圖像質(zhì)量的影響強(qiáng)度不一樣,因此通過(guò)一定實(shí)驗(yàn)選擇相對(duì)較優(yōu)證嵌入容量同時(shí)保證隱秘圖像質(zhì)量,具體實(shí)驗(yàn)數(shù)據(jù)如表 3.2 所針對(duì)同一圖像在不同大小的擬合分塊情況下的實(shí)驗(yàn)結(jié)果,隨著的最大嵌入容量有所增加,圖像的 PSNR 值略有下降,但所有大于 60dB。因此,本文所述算法不但具有較大嵌入容量,還具。文獻(xiàn)[7]在嵌入容量上比本文所提方法更大,但在肺部嵌入時(shí)為適用,且可以正確提取水印信號(hào)。
【參考文獻(xiàn)】:
期刊論文
[1]基于單向預(yù)測(cè)誤差擴(kuò)展的三維醫(yī)學(xué)圖像可逆水印算法[J]. 李琦,顏斌,陳娜,楊紅梅. 計(jì)算機(jī)應(yīng)用. 2019(02)
[2]基于直方圖平移的魯棒可逆信息隱藏方案[J]. 于爽,李健. 武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)
[3]基于同態(tài)加密系統(tǒng)的圖像魯棒可逆水印算法[J]. 項(xiàng)世軍,楊樂(lè). 軟件學(xué)報(bào). 2018(04)
[4]增強(qiáng)奇異值分解和細(xì)胞神經(jīng)網(wǎng)絡(luò)的零水印[J]. 肖振久,張晗,陳虹,高婷. 中國(guó)圖象圖形學(xué)報(bào). 2017(03)
[5]全方向梯度預(yù)測(cè)和自適應(yīng)選塊的可逆圖像水印[J]. 李淑芝,胡琴,鄧小鴻,張翔. 小型微型計(jì)算機(jī)系統(tǒng). 2017(01)
[6]基于超混沌的醫(yī)學(xué)圖像篡改定位零水印算法[J]. 肖振久,李南,王永濱,姜正濤,陳虹. 計(jì)算機(jī)工程與應(yīng)用. 2017(07)
[7]分區(qū)域的醫(yī)學(xué)圖像高容量無(wú)損信息隱藏方法[J]. 鄧小鴻,陳志剛,梁滌青,毛伊敏. 通信學(xué)報(bào). 2015(01)
[8]基于無(wú)損水印的醫(yī)學(xué)圖像篡改檢測(cè)和高質(zhì)量恢復(fù)[J]. 鄧小鴻,陳志剛,毛伊敏. 中國(guó)圖象圖形學(xué)報(bào). 2014(04)
[9]一種基于Arnold置亂變換和DCT的醫(yī)學(xué)圖像魯棒水印算法[J]. 隋淼,李京兵. 計(jì)算機(jī)應(yīng)用研究. 2013(08)
[10]基于采樣預(yù)測(cè)和差值變換的醫(yī)學(xué)圖像可逆水印算法[J]. 尚冠宇,郭凡新,鄧小鴻. 計(jì)算機(jī)應(yīng)用與軟件. 2012(06)
碩士論文
[1]基于插值誤差擴(kuò)展的可逆醫(yī)學(xué)圖像水印[D]. 萇悅.陜西師范大學(xué) 2018
本文編號(hào):3559912
【文章來(lái)源】:貴州大學(xué)貴州省 211工程院校
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
肺部精準(zhǔn)分割掃描方法
精細(xì)分割Fig3.2Accuratesegmentation
MRI-腦 32*32 19316 58.316 6278CT-肺 8*8 4365 45.461 2627CT-肺 16*16 7677 36.062 2661CT-肺 32*32 15246 34.176 2361S 方法中,選擇使用直方圖平移的方式將水印嵌入圖像中,在圖像質(zhì)量的影響強(qiáng)度不一樣,因此通過(guò)一定實(shí)驗(yàn)選擇相對(duì)較優(yōu)證嵌入容量同時(shí)保證隱秘圖像質(zhì)量,具體實(shí)驗(yàn)數(shù)據(jù)如表 3.2 所針對(duì)同一圖像在不同大小的擬合分塊情況下的實(shí)驗(yàn)結(jié)果,隨著的最大嵌入容量有所增加,圖像的 PSNR 值略有下降,但所有大于 60dB。因此,本文所述算法不但具有較大嵌入容量,還具。文獻(xiàn)[7]在嵌入容量上比本文所提方法更大,但在肺部嵌入時(shí)為適用,且可以正確提取水印信號(hào)。
【參考文獻(xiàn)】:
期刊論文
[1]基于單向預(yù)測(cè)誤差擴(kuò)展的三維醫(yī)學(xué)圖像可逆水印算法[J]. 李琦,顏斌,陳娜,楊紅梅. 計(jì)算機(jī)應(yīng)用. 2019(02)
[2]基于直方圖平移的魯棒可逆信息隱藏方案[J]. 于爽,李健. 武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)
[3]基于同態(tài)加密系統(tǒng)的圖像魯棒可逆水印算法[J]. 項(xiàng)世軍,楊樂(lè). 軟件學(xué)報(bào). 2018(04)
[4]增強(qiáng)奇異值分解和細(xì)胞神經(jīng)網(wǎng)絡(luò)的零水印[J]. 肖振久,張晗,陳虹,高婷. 中國(guó)圖象圖形學(xué)報(bào). 2017(03)
[5]全方向梯度預(yù)測(cè)和自適應(yīng)選塊的可逆圖像水印[J]. 李淑芝,胡琴,鄧小鴻,張翔. 小型微型計(jì)算機(jī)系統(tǒng). 2017(01)
[6]基于超混沌的醫(yī)學(xué)圖像篡改定位零水印算法[J]. 肖振久,李南,王永濱,姜正濤,陳虹. 計(jì)算機(jī)工程與應(yīng)用. 2017(07)
[7]分區(qū)域的醫(yī)學(xué)圖像高容量無(wú)損信息隱藏方法[J]. 鄧小鴻,陳志剛,梁滌青,毛伊敏. 通信學(xué)報(bào). 2015(01)
[8]基于無(wú)損水印的醫(yī)學(xué)圖像篡改檢測(cè)和高質(zhì)量恢復(fù)[J]. 鄧小鴻,陳志剛,毛伊敏. 中國(guó)圖象圖形學(xué)報(bào). 2014(04)
[9]一種基于Arnold置亂變換和DCT的醫(yī)學(xué)圖像魯棒水印算法[J]. 隋淼,李京兵. 計(jì)算機(jī)應(yīng)用研究. 2013(08)
[10]基于采樣預(yù)測(cè)和差值變換的醫(yī)學(xué)圖像可逆水印算法[J]. 尚冠宇,郭凡新,鄧小鴻. 計(jì)算機(jī)應(yīng)用與軟件. 2012(06)
碩士論文
[1]基于插值誤差擴(kuò)展的可逆醫(yī)學(xué)圖像水印[D]. 萇悅.陜西師范大學(xué) 2018
本文編號(hào):3559912
本文鏈接:http://sikaile.net/yixuelunwen/yiyuanguanlilunwen/3559912.html
最近更新
教材專(zhuān)著