基于FDCT-ResNet101的医学图像水印方法

    公开(公告)号:CN118333827A

    公开(公告)日:2024-07-12

    申请号:CN202410497625.7

    申请日:2024-04-24

    Applicant: 海南大学

    Abstract: 本发明涉及图像处理技术领域,公开了一种基于FDCT‑ResNet101的医学图像水印方法,包括:对医学图像进行快速离散曲波变换,得到医学图像在不同尺度和方向下的曲线系数信息;利用经过迁移学习的ResNet101网络对曲线系数信息进行特征提取,得到特征矩阵;对特征矩阵进行一维离散余弦变换,得到特征二值序列;将特征二值序列和混沌置乱水印逐位进行异或运算,以将水印信息嵌入至医学图像中。这样更好地准确提取出医学图像的特征二值序列,再结合数字水印自身的特性将患者信息掩藏在医学图像之内,通过提高数字水印的不可见性以及稳定性,有效的保护病患隐私,实现了鲁棒且不易察觉地保存患者隐私与医疗成果数据的双重保障。

    一种基于VGG19深度网络的医学图像鲁棒水印方法

    公开(公告)号:CN116342360A

    公开(公告)日:2023-06-27

    申请号:CN202111539377.0

    申请日:2021-12-15

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于VGG19深度网络的医学图像鲁棒水印方法,属于多媒体信号处理领域。本发明的步骤是:首先利用Logistic Map的性质对水印进行置乱加密;然后通过VGG19深度网络和DCT提取医学图像的特征向量来进行水印的嵌入,将特征向量与二值水印相异或得到一个二值逻辑序列,并将该二值序列存于第三方平台;同样地,使用特征提取网络提取待测医学图像的特征向量,并与存于第三方平台的二值逻辑序列相异或来进行水印的提取。本发明是基于VGG19深度网络的医学图像数字水印技术,有很强的抗几何攻击能力,针对旋转、平移以及剪切等几何攻击尤为突出,水印的嵌入不改变原始医学图像的内容,是一种零水印技术。

    一种基于BRISK-FREAK的医学图像水印方法

    公开(公告)号:CN116051349A

    公开(公告)日:2023-05-02

    申请号:CN202310123717.4

    申请日:2023-02-16

    Applicant: 海南大学

    Abstract: 本申请涉及医学图像处理领域,公开了一种基于BRISK‑FREAK的医学图像水印方法,包括:利用BRISK算法提取医学图像的特征点信息;利用FREAK算法对特征点信息进行描述,生成医学图像的特征描述符矩阵;对特征描述符矩阵进行DCT变换,提取医学图像的特征二值序列;将特征二值序列与混沌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。上述医学图像水印方法基于BRISK、FREAK和DCT对医学图像进行特征提取,并且采用零水印嵌入技术,弥补了传统的数字水印方法不能对医学图像本身进行保护的缺点,保证了医学图像的质量,具有较强的鲁棒性和不可见性。

    基于ResNet-DCT的医学图像鲁棒零水印算法

    公开(公告)号:CN114372912A

    公开(公告)日:2022-04-19

    申请号:CN202111243422.8

    申请日:2021-10-25

    Applicant: 海南大学

    Abstract: 本发明是基于ResNet‑DCT的医学图像鲁棒零水印算法,公开了实现基于ResNet‑DCT的医学图像鲁棒零水印算法的方法,属于多媒体信号处理领域。本发明的步骤是:首先利用Logistic Map的性质在频域对水印进行置乱加密;然后通过对医学图像进行ResNet‑DCT变换提取一个特征向量来进行水印的嵌入,将特征向量与二值水印相关联得到一个二值逻辑序列,并将该二值序列存于第三方;再通过对待测医学图像进行ResNet‑DCT变换提取其特征向量,并与存于第三方的二值序列相关联来进行水印的提取。本发明是基于ResNet‑DCT的医学图像数字水印技术,有较好的鲁棒性,针对旋转、平移、剪切等几何攻击尤为突出,水印的嵌入不改变原始加密体数据的内容,是一种零水印技术。

    基于MobileNetV2迁移学习的医学图像鲁棒水印嵌入方法和提取方法

    公开(公告)号:CN114092305A

    公开(公告)日:2022-02-25

    申请号:CN202111243415.8

    申请日:2021-10-25

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于MobileNetV2迁移学习的医学图像鲁棒水印嵌入方法和提取方法,对MobileNetV2网络进行改进,利用医学图像数据集对改进的MobileNetV2网络训练,从而使MobileNetV2网络具有了更好的抗几何攻击性能,利用训练好的MobileNetV2网络提取医学图像的特征向量与混沌置乱加密后的水印进行异或运算加密处理,将水印嵌入医学图像中,水印的嵌入不改变原始加密体数据的内容,是一种零水印技术,具有不可见性,因而改进的MobileNetV2网络与零水印技术的结合,提高了嵌入医学图像的水印的抗几何性能,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,解决了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。

    基于残差网络和深度可分离卷积的医学图像鲁棒水印方法

    公开(公告)号:CN114092302A

    公开(公告)日:2022-02-25

    申请号:CN202111243397.3

    申请日:2021-10-25

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于残差网络和深度可分离卷积的医学图像鲁棒水印方法,将残差网络结构与深度可分离卷积模块结合设计RDSCnet网络,利用构建医学图像数据集对RDSCnet网络训练,从而使RDSCnet网络具有更好的抗几何攻击性能,且具有更快的运算速度,利用训练好的RDSCnet网络提取医学图像的特征向量与混沌置乱加密后的水印进行异或运算加密处理,将水印嵌入医学图像中,水印的嵌入不改变原始加密体数据的内容,是一种零水印嵌入技术,具有不可见性,因而RDSCnet网络与零水印技术的结合,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,解决了现有医学图像的数字水印技术仍不够成熟,抗几何攻击性能较差,鲁棒性能还有待提高的技术问题。

    基于Ridgelet-DCT变换和Tent-Henon双混沌的加密人脸识别方法

    公开(公告)号:CN114091571A

    公开(公告)日:2022-02-25

    申请号:CN202111243413.9

    申请日:2021-10-25

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于Ridgelet‑DCT变换和Tent‑Henon双混沌的加密人脸识别方法。利用双混沌模型生成第一加密密钥和第二加密密钥,在对人脸图像进行Ridgelet变换后,将Ridgelet变换域下的人脸图像与第一加密密钥进行一次加密。再对加密图像进行DCT变换,与第二加密密钥做哈达马积运算进行二次加密,通过DCT逆变换后得到加密后的人脸图像。最后结合PCA算法提取加密人脸图像特征,训练神经网络模型来完成人脸图像的加密识别。提高了人脸图像的抗几何攻击和遮挡攻击能力,具有高鲁棒性。

    一种基于感知哈希和数据增强的医学图像数字水印方法

    公开(公告)号:CN113160029A

    公开(公告)日:2021-07-23

    申请号:CN202110350359.1

    申请日:2021-03-31

    Applicant: 海南大学

    Abstract: 本申请公开了一种基于感知哈希和数据增强的医学图像数字水印方法,包括:对原始医学图像分别进行DCT变换和SIFT‑DCT变换的特征提取,并利用感知哈希建立原始医学图像的特征数据集;对原始水印进行Logistic混沌加密,嵌入水印信息且获取逻辑密钥集;同理建立待测医学图像的特征数据集;将待测医学图像的特征数据集和逻辑密钥集进行异或运算,提取出加密水印并进行解密,得到还原水印;将原始水印和还原水印进行归一化相关系数计算,确定原始医学图像的所有权和读取嵌入的水印信息。上述方法通过将数据增强、感知哈希、密码学和零水印技术结合,语义保持性较好,在常规攻击和几何攻击方面均表现出较好的鲁棒性和不可见性。

    一种基于Gabor-DCT的医学图像鲁棒水印方法

    公开(公告)号:CN111988492A

    公开(公告)日:2020-11-24

    申请号:CN202010837529.4

    申请日:2020-08-19

    Applicant: 海南大学

    Abstract: 本申请公开了一种基于Gabor-DCT的医学图像鲁棒水印方法,该方法包括:通过Gabor-DCT变换对原始医学图像进行特征提取并利用哈希函数生成特征序列;对原始水印进行混沌置乱加密,得到混沌置乱水印,并将水印信息嵌入至原始医学图像中,同时获取二值逻辑密钥序列并保存;同理通过Gabor-DCT变换对待测医学图像进行特征提取并生成特征序列;根据该特征序列和二值逻辑密钥序列,提取出加密水印并进行解密,得到还原水印;将原始水印和还原水印进行归一化相关系数计算,确定待测医学图像的所有权和水印信息。该方法中嵌入的零水印具有不可见性和鲁棒性,能保护病人的隐私信息和医学图像的数据安全。

    一种基于三维DFT感知哈希的体数据鲁棒多水印方法

    公开(公告)号:CN103886543A

    公开(公告)日:2014-06-25

    申请号:CN201410128190.5

    申请日:2014-04-02

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于三维DFT感知哈希的体数据多数字水印技术,属于多媒体信号处理领域。本发明的步骤是:首先对医用体数据进行全局3D-DFT变换,选取前4×4×4个系数,再进行3D-IDFT变换,然后在反变换系数的实部中提取鲁棒的感知哈希函数,并将多水印序列与该感知哈希值相关联得到一串二值密钥序列,并将该二值密钥序列存于第三方;再通过对待测体数据使用三维DFT求取感知哈希值,并与存于第三方的二值序列相关联来进行多水印的提取。本发明是基于三维DFT感知哈希的体数据多数字水印技术,有较好的鲁棒性,多水印的嵌入不改变原始体数据的内容。

Patent Agency Ranking