-
公开(公告)号：CN102945543A
公开(公告)日：2013-02-27
申请号：CN201210466027.0
申请日：2012-11-19
Applicant: 海南大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于DWT-DCT和Logistic Map的医学图像鲁棒水印方法，属于多媒体信号处理领域。本发明是先进行水印的预处理和水印的嵌入，包括：(1)利用Logistic Map得到加密矩阵；(2)得到加密的水印；(3)对原图进行DWT变换，再对逼近子图进行DCT变换，并提取一个特征的向量；(4)利用该特征向量和混沌加密的水印得到相应的二值逻辑序列，并将该二值序列存于第三方；再进行水印的提取和还原，包括：(5)对待测图像进行类似(3)的操作，求出一个特征向量；(6)提取加密的水印；(7)利用Logistic Map生成二值加密矩阵；(8)求得还原水印；本发明可以保护病患信息的隐秘性。
-
公开(公告)号：CN102510492A
公开(公告)日：2012-06-20
申请号：CN201110290966.X
申请日：2011-09-13
Applicant: 海南大学
Abstract: 本发明涉及一种基于三维DWT和DFT在视频中嵌入多重水印的方法，是先进行多重水印的嵌入，包括：(1)对原始视频进行三维小波变换、三维全局傅里叶变换，在变换系数中提取一个抗几何攻击的特征向量；(2)将该特征向量和要嵌入的多个子水印通过Hash函数运算，得到相应的二值逻辑序列，并将该二值序列存于第三方。然后进行多重水印提取，包括：(3)对待测视频段进行三维小波变换、三维全局傅里叶变换，在变换域中提取待测视频的特征向量；(4)利用Hash函数特性和存在第三方的二值逻辑序列提取多个子水印。本发明可在不影响原始视频的条件下进行水印的嵌入，具有较强的鲁棒性，既能抗几何攻击又能抗常规攻击，从而较好的保护了视频的版权。
-
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
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：CN118537197A
公开(公告)日：2024-08-23
申请号：CN202410623238.3
申请日：2024-05-20
Applicant: 海南大学
IPC: G06T1/00 , G06F21/60 , G06F21/62 , G06V10/764 , G06T5/20 , G06V10/774 , G06N3/0464 , G06N3/096 , G06N3/048
Abstract: 本发明涉及图像处理技术领域，公开了一种基于DWT‑EfficientNet‑DCT的医学影像水印方法，包括：对医学影像进行DWT变换，选取低频子带系数；使用EfficientNet网络模型对医学影像的低频子带系数进行特征提取，得到特征向量；对特征向量进行DCT变换，生成医学影像的特征二值序列；将特征二值序列与混沌加密水印逐位进行异或运算，以将水印信息嵌入至医学影像中。这样通过利用DWT变换来过滤高频噪声、EfficientNet网络用于准确提取图像特征以及DCT变换用于集中图像能量和提高鲁棒性等优点，在面对常规攻击和几何攻击时，具有较强的鲁棒性，确保了原始医学影像和患者隐私信息的数据安全传输。
-
公开(公告)号：CN117808919A
公开(公告)日：2024-04-02
申请号：CN202311850488.2
申请日：2023-12-29
Applicant: 海南大学
IPC: G06T11/00 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了基于深度学习的生成对抗网络进行MRI欠采样重建方法，采用DLGAN架构，DLGAN架构包括GAN1模块和GAN2模块，每个模块都包含一个内部的生成器DLGAN_GB和鉴别器DLGAN_DB，用于从K空间数据中恢复图像；DLGAN架构，用于恢复脑部和膝盖MRI数据集；提出的DLGAN表现出有效地估计缺失数据和除去MRI数据集中伪影的能力；DLGAN架构使用GAN模块从膝盖和脑MRI数据集的欠采样输入数据生成MR图像；DLGAN模型表现出比现有模型更有前途的改进，并且给出了更好的结果。
-
Patent Agency Ranking
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：CN116263932A
公开(公告)日：2023-06-16
申请号：CN202111536841.0
申请日：2021-12-15
Applicant: 海南大学
Abstract: 本发明公开了一种基于Patchwork和DCT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的性质在频域对水印进行置乱加密；然后通过对医学图像进行Patchwork‑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Patchwork‑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Patchwork和DCT的医学图像数字水印技术，有较好的鲁棒性，针对旋转、缩放、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：CN115964747A
公开(公告)日：2023-04-14
申请号：CN202211734124.3
申请日：2022-12-30
Applicant: 海南大学
Abstract: 本申请公开了一种基于DCT和DarkNet53特征融合的加密图像水印方法，包括：对加密医学图像进行DCT变换，提取第一特征向量；将加密医学图像作为DarkNet53深度网络的输入图像，并对DarkNet53深度网络进行前向传播，输出设定个数特征值，并对特征值进行DCT变换，提取第二特征向量；根据第一特征向量和第二特征向量，组成特征向量集；将特征向量集分别与混沌加密水印逐位进行异或运算，以将水印信息嵌入至加密医学图像中。在此引入特征融合的思想，弥补了单个算法的不足之处，可以将患者的个人信息隐藏在其加密医学图像中，具有不可见性和鲁棒性，实现数字水印的抗传统攻击和抗几何攻击功能，避免医学数据被篡改。
-
公开(公告)号：CN115797140A
公开(公告)日：2023-03-14
申请号：CN202211655401.1
申请日：2022-12-22
Applicant: 海南大学
Abstract: 本申请公开了一种基于PCT和3D‑DCT的三维医学体数据鲁棒水印方法，包括：对三维医学体数据进行切片，对各切片进行PCT变换，获得一维特征行向量；将各切片的一维特征行向量整合成三维特征矩阵；对三维特征矩阵进行3D‑DCT变换，得到变换系数矩阵；根据变换系数矩阵，获得三维医学体数据的视觉特征向量；将三维医学体数据的视觉特征向量和加密水印逐位进行异或运算，以将水印信息嵌入到三维医学体数据中。这样基于PCT矩和3D‑DCT变换得到反映医学数据特点的视觉特征向量，可以实现数字水印的抗几何攻击和常规攻击，满足医学领域中对医学数据质量的严格要求，具有很强的鲁棒性和不可见性，能保护医学体数据的数据安全。
-
公开(公告)号：CN112529758B
公开(公告)日：2022-08-09
申请号：CN202011505043.7
申请日：2020-12-18
Applicant: 海南大学
Abstract: 本申请公开了一种基于卷积神经网络的彩色图像隐写方法，该方法包括：制作包含载体图像和秘密图像的数据集；以载体图像和秘密图像为输入，以隐写图像和提取图像为输出，构建由隐藏网络和提取网络组成的图像隐写网络模型；设置图像隐写网络模型的参数，并对图像隐写网络模型进行训练；运用训练好的图像隐写网络模型进行图像隐写。上述基于卷积神经网络的彩色图像隐写方法中，通过由隐藏网络和提取网络组成的图像隐写网络模型实现彩色图像的嵌入和提取，所产生的隐写图像具有较高的质量和安全性，隐写容量较高。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.022 seconds)
