-
公开(公告)号：CN104867101A
公开(公告)日：2015-08-26
申请号：CN201510338352.2
申请日：2015-06-18
Applicant: 海南大学
IPC: G06T1/00
Abstract: 本发明公开了一种云环境下加密医学体数据数字水印技术，属于多媒体信号处理领域。本发明的步骤是：首先利用Logistic Map的性质在频域对体数据进行符号加密；然后通过对加密体数据进行3D-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；再通过对待加密测体数据进行3D-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。本发明是基于三维DCT的加密体数据数字水印技术，有较好的鲁棒性，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。
-
公开(公告)号：CN103854251A
公开(公告)日：2014-06-11
申请号：CN201410127730.8
申请日：2014-04-02
Applicant: 海南大学
Abstract: 本发明公开了一种基于三维DWT-DCT感知哈希的体数据多水印方法，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3DDWT-DCT变换，选取前4×4×4个系数，再进行3D-IDCT变换，然后在反变换系数中通过感知哈希提取一个具有鲁棒特性的感知哈希值，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，然后将该二值密钥序列存于第三方；通过对待测体数据进行三维DWT-DCT感知哈希值的提取，并将提取的感知哈希值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DWT-DCT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。
-
公开(公告)号：CN102930500A
公开(公告)日：2013-02-13
申请号：CN201210465231.0
申请日：2012-11-19
Applicant: 海南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于Arnold置乱变换和DCT的医学图像鲁棒水印技术，属于多媒体信号处理领域。本发明的步骤是先进行水印的嵌入，包括：(1)对要嵌入的水印进行Arnold变换，实现预处理；(2)对医学图像进行全图DCT变换，在变换域提取一个特征的向量；(3)利用该特征向量和经过预处理的水印通过Hash函数得到一个二值逻辑序列；然后进行水印提取，包括：(4)对待测医学图像进行全图DCT变换，提取一个特征向量；(5)利用Hash函数性质和存在第三方的二值逻辑序列来提取出水印；(6)经Arnold置乱的逆变换得到原始水印。实验证明本发明具有很好信息隐藏能力。在远程医疗中，对保护患者的信息意义重大。
-
公开(公告)号：CN113160030B
公开(公告)日：2024-05-14
申请号：CN202110350365.7
申请日：2021-03-31
Applicant: 海南大学
Abstract: 本申请公开了一种基于LBP‑DCT的医学图像鲁棒水印方法，包括：对原始医学图像进行LBP‑DCT变换，提取它的特征向量；使用Logistic Map对原始水印进行混沌置乱，得到混沌置乱水印，并将特征向量与混沌置乱水印相关联得到逻辑密钥；对待测医学图像进行LBP‑DCT变换，提取它的特征向量；将该特征向量与逻辑密钥相关联提取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嵌入的水印信息。这样兼顾了LBP旋转不变性的优点和DCT抗常规攻击能力强等特点，得到抗几何攻击的特征向量，水印的嵌入不改变原始加密体数据的内容，保证医学图像的质量。
-
公开(公告)号：CN116385247A
公开(公告)日：2023-07-04
申请号：CN202310410635.8
申请日：2023-04-18
Applicant: 海南大学
Abstract: 本申请涉及图像水印技术领域，公开了一种基于DWT‑DCT‑NSST的医学图像鲁棒水印方法，包括：在DWT‑DCT变换域下对原始医学图像进行加密，得到加密医学图像；对加密医学图像进行NSST变换，获得对应的低频子带图像；根据低频子带图像的信息，构造加密医学图像的特征序列；将加密医学图像的特征序列和加密水印进行异或运算，以将水印信息嵌入至加密医学图像中。上述方法考虑了在密文域下进行水印的嵌入，可获取加密医学图像多尺度多方向分析下的图像特征，能够很好地表达医学图像的主要信息，并且通过对密文域医学图像实现信息的零水印嵌入，使得水印信息以及原始医学图像的安全性都能得到较好的保障，保证了水印的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116258619A
公开(公告)日：2023-06-13
申请号：CN202310044423.2
申请日：2023-01-30
Applicant: 海南大学
IPC: G06T1/00 , G16H30/20 , G06N3/047 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及图像处理领域，公开了一种基于DWT和Darknet53深度学习的鲁棒水印方法，包括：构建并训练DarkNet53深度网络；对医学图像进行DWT变换，提取LL层作为DarkNet53深度网络的输入特征，经过前向传播后输出设定个数特征值；对输出的特征值进行DCT变换，结合哈希函数生成医学图像的特征向量；将生成的特征向量分别与混沌置乱水印的每一行逐位进行异或运算，以将水印信息嵌入到医学图像中。这样可以有效提取图像的低频信息，具有良好的抗常规攻击性能和抗几何攻击性能，解决了传统水印嵌入技术对原图数据修改造成的缺陷，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。
-
公开(公告)号：CN103279920A
公开(公告)日：2013-09-04
申请号：CN201310248160.3
申请日：2013-06-21
Applicant: 海南大学
Abstract: 本发明公开了一种基于三维DFT变换和混沌置乱的体数据数字水印技术，属于多媒体信号处理领域。本发明的步骤是：首先利用Logistic Map的性质对水印进行混沌置乱；然后通过对原始体数据进行3D-DFT变换提取一个特征向量来进行水印的嵌入，将特征向量与混沌置乱的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；再通过对待测体数据进行3D-DFT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；最后利用Logistic Map的性质和相同的初始值来进行水印的还原。本发明是基于全局三维DFT和混沌置乱的体数据数字水印技术，有较好的鲁棒性，水印的嵌入不改变原始体数据的内容。
-
公开(公告)号：CN116542836A
公开(公告)日：2023-08-04
申请号：CN202310411516.4
申请日：2023-04-18
Applicant: 海南大学
Abstract: 本申请涉及图像处理技术领域，公开了一种基于Vision Transformer的鲁棒水印方法，包括：构建Vision Transformer网络；将医学图像输入至Vision Transformer网络，利用最后一层Transformer编码器输出医学图像的特征向量；对医学图像的特征向量进行DCT变换，得到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。这样通过Vision Transformer网络可以学习到医学图像中的复杂特征，再经过DCT变换后，可真实可靠地提取出医学图像的特征序列，在嵌入水印信息后，不仅可以保护医学图像本身，还能对病人的隐私信息进行保护。此方法具有较强的鲁棒性和不可见性，能够有效地抵御各种几何攻击和传统攻击，如旋转、高斯噪声等，保障医学图像的数据安全。
-
公开(公告)号：CN114092304A
公开(公告)日：2022-02-25
申请号：CN202111243409.2
申请日：2021-10-25
Applicant: 海南大学
Abstract: 本发明公开了一种基于ShuffleNet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LogisticMap的性质对水印进行置乱加密；然后把原始医学图像输入到预训练好的ShuffleNet深度网络中，并提取网络的全连接层输出值，对输出值进行DCT，得到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进行逻辑异或操作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和原始医学图像一样的操作来提取待测医学图像的特征向量，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ShuffleNet深度网络的医学图像数字水印技术，有较好的鲁棒性，针对旋转、缩放、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。
-
公开(公告)号：CN114092301A
公开(公告)日：2022-02-25
申请号：CN202111241673.2
申请日：2021-10-25
Applicant: 海南大学
Abstract: 本发明公开了一种基于ShuffleNet迁移学习的医学图像鲁棒多水印方法，属于多媒体信号处理领域。本发明的步骤是：首先对ShuffleNet网络进行结构改动，在自制的医学数据集上训练好后保存；接着把医学图像输入到训练好的ShuffleNet网络中，经过前向传播，对获得的数值处理后就成了医学图像的特征向量；然后对水印进行置乱加密，将医学图像的特征向量与加密后的三张二值水印分别进行异或得到三个二值逻辑序列；再通过相同的操作来提取待测医学图像的特征向量，并与二值密钥序列分别关联来进行水印的提取。本发明是基于ShuffleNet迁移学习的医学图像数字水印技术，有较好的鲁棒性，针对旋转、平移、缩放、剪切等几何攻击尤为突出，水印的嵌入不改变原始数据的内容，是一种零水印技术。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.018 seconds)
