公开(公告)号：CN114092306B

公开(公告)日：2024-12-17

申请号：CN202111258806.7

申请日：2021-10-27

Applicant: 海南大学

Inventor： 李京兵 ,  樊宇 ,  刘婧 ,  陈延伟 ,  邵春艳

IPC: G06F21/16 ,  G06F21/62

Abstract: 本发明公开了一种基于InceptionV3深度学习网络的医学图像鲁棒水印嵌入及提取方法，利用InceptionV3网络对医学图像进行卷积操作，将得到的全连接层系数进行全局离散余弦变换(DCT变换)，由DCT变换得到的系数矩阵中选取低频系数作为医学图像的视觉特征向量并进行二值化处理，得到目标医学图像的特征向量，与传统的图像特征提取方法不同，提取特征时不需要手工设计特征，通过深度卷积学习的方式实现图像特征提取，该算法具有更强的特征学习和表达能力，InceptionV3网络与DCT变换相结合，即提高了数字水印的抗几何攻击能力，又保留了DCT抗常规攻击能力强和鲁棒性好的优势。解决现有的基于数字水印技术的医学图像处理方法抗几何攻击性能较差，鲁棒性能还有待提高的技术问题。

公开(公告)号：CN114092306A

公开(公告)日：2022-02-25

申请号：CN202111258806.7

申请日：2021-10-27

Applicant: 海南大学

Inventor： 李京兵 ,  樊宇 ,  刘婧 ,  陈延伟 ,  邵春艳

IPC: G06T1/00 ,  G06N3/04 ,  G06N3/08 ,  G06F21/62

Abstract: 本发明公开了一种基于InceptionV3深度学习网络的医学图像鲁棒水印嵌入及提取方法，利用InceptionV3网络对医学图像进行卷积操作，将得到的全连接层系数进行全局离散余弦变换(DCT变换)，由DCT变换得到的系数矩阵中选取低频系数作为医学图像的视觉特征向量并进行二值化处理，得到目标医学图像的特征向量，与传统的图像特征提取方法不同，提取特征时不需要手工设计特征，通过深度卷积学习的方式实现图像特征提取，该算法具有更强的特征学习和表达能力，InceptionV3网络与DCT变换相结合，即提高了数字水印的抗几何攻击能力，又保留了DCT抗常规攻击能力强和鲁棒性好的优势。解决现有的基于数字水印技术的医学图像处理方法抗几何攻击性能较差，鲁棒性能还有待提高的技术问题。

公开(公告)号：CN117036143A

公开(公告)日：2023-11-10

申请号：CN202310807811.1

申请日：2023-07-04

Applicant: 海南大学

Inventor： 李京兵 ,  罗亚宇 ,  涂蓉 ,  樊宇

IPC: G06T1/00 ,  G06V10/28 ,  G06V10/44 ,  G06V10/50 ,  G06V10/52 ,  H04L9/00

Abstract: 本发明涉及图像水印技术领域，公开了一种基于HOG‑DCT的医学图像水印方法，包括：对医学图像进行HOG特征值提取，得到医学图像的HOG特征描述矩阵；对医学图像的HOG特征描述矩阵进行DCT变换，得到医学图像的视觉特征向量；生成混沌加密水印；将医学图像的视觉特征向量与混沌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。这样兼顾了HOG计算速度快，抗几何攻击能力强，使用的特征向量较短，更容易处理和储存等优点和DCT遍历性、鲁棒性等特点，实现了数字水印的抗几何攻击和常规攻击，能够保护医学图像的完整性，并在一定程度上避免了病人隐私泄露，具有高鲁棒性和高可视性。

公开(公告)号：CN118379178A

公开(公告)日：2024-07-23

申请号：CN202410623236.4

申请日：2024-05-20

Applicant: 海南大学

Inventor： 李京兵 ,  杨传舵 ,  董春华 ,  樊宇

IPC: G06T1/00 ,  G06V10/764 ,  G06F21/60 ,  G06F21/62 ,  G06V10/774 ,  G06T5/20 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/096

Abstract: 本发明涉及图像处理技术领域，公开了一种基于Wide‑ResNet101‑2‑DCT的医学图像水印方法，包括：对医学图像进行转换处理，得到医学图像的张量；将张量输入至Wide ResNet101‑2模型，输出特征分类信息；对特征分类信息进行离散余弦变换，获得频域特征向量；将频域特征向量与Arnold置乱加密水印逐位进行异或运算，以将水印信息嵌入到医学图像中。这样在处理医学图像数据时具有更好的特征提取能力和更高的表征学习效率，将图像特征转换到频域，具有良好的能量集中性，有利于提取图像的频域特征向量，再结合零水印技术，有效防止了患者隐私的泄露，还保护了医学图像数据免受篡改和伪造的风险。

公开(公告)号：CN115936963A

公开(公告)日：2023-04-07

申请号：CN202211655761.1

申请日：2022-12-22

Applicant: 海南大学

Inventor： 李京兵 ,  李德凯 ,  樊宇 ,  陈延伟 ,  黄梦醒

IPC: G06T1/00 ,  G06F17/16

Abstract: 本申请公开了一种基于AKAZE‑Curvelet‑DCT的医学图像鲁棒水印方法，包括：对医学图像进行AKAZE特征提取，得到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Curvelet变化，得到医学图像的低频子带系数矩阵；对医学图像的低频子带系数矩阵进行DCT变换，生成医学图像的特征二值序列；将医学图像的特征二值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。这样选取医学图像的AKAZE‑Curvelet‑DCT变换后的数据作为特征向量，可以弥补传统数字水印方法不能对医学图像本身进行保护的缺点，具有很强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。