-
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。
-
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
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN112907428A
公开(公告)日：2021-06-04
申请号：CN202110182433.3
申请日：2021-02-10
Applicant: 海南大学
Abstract: 本发明公开了一种基于条带变换处理的加密图像水印处理方法及系统，首先以第一加密数据对图像处理，得到加密图像，并对加密图像提取特征得到图像的特征数据，然后以第二加密数据对水印处理，得到加密水印，进一步将图像的特征数据和加密水印运算，得到嵌入了水印的图像数据。本发明对图像和水印分别加密处理，而后根据加密图像和加密水印进行在图像嵌入水印，可以提高图像以及水印信息的安全性。
-
公开(公告)号：CN111968026A
公开(公告)日：2020-11-20
申请号：CN202010836923.6
申请日：2020-08-19
Applicant: 海南大学
Abstract: 本申请公开了一种基于PHTs-DCT的医学图像鲁棒水印方法，该方法包括：通过PHTs-DCT变换对原始医学图像进行特征提取，并利用哈希函数运算生成特征序列；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PHTs-DCT变换对待测医学图像进行特征提取，并生成特征序列；根据待测医学图像的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：CN104867102A
公开(公告)日：2015-08-26
申请号：CN201510338353.7
申请日：2015-06-18
Applicant: 海南大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于DCT和Logistic Map的加密医学图像水印技术，属于多媒体信号处理领域。本发明的步骤，先进行原始医学图像的预处理和水印的嵌入，包括：(1)利用DCT变换和Logistic Map得到加密图像；(2)对加密图像进行DCT变换，并提取特征向量；(3)利用该特征向量和水印序列得到一个二值逻辑序列；再进行水印的提取，包括：(4)对待测加密医学图像进行DCT变换，提取一个特征向量；(5)利用Hash函数和嵌入水印时生成的二值逻辑序列来提取水印；(6)利用Logistic Map生成二值加密矩阵，求得还原的解密医学图像。本发明在远程医疗中，对患者个人信息的保护有较大的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.035 seconds)
