文摘

医学图像数据,像大多数患者信息,隐私和机密性有很高的要求。提高医学图像传输的安全在开放的网络,我们提出了一个医学图像关键领域保护算法基于可逆数据隐藏。首先,变异系数是用来识别的关键区域,即病变区域的图像。然后,其他地区分为块纹理分析的复杂性。接下来,我们提出一种新的可逆数据隐藏算法,关键领域的内容嵌入到高质素的地区。在此基础上,快速响应(QR)代码生成使用基本的密文图像信息来替换原来的病变区域。实验结果表明,该方法不仅可以安全地传输敏感的病人信息通过隐藏的内容病变,它还可以通过二维码存储版权信息,实现准确的图像检索。

1。介绍

近年来,随着多媒体技术的迅速发展,医学影像的研究已经取得了很大的进步。医学图像已经成为不可或缺的现代医学诊断和有效的辅助手段。越来越多的医院和医疗研究机构建立了自己的医疗保健系统。医疗保健系统用于图像存档和信息传递。然而,网络的共享和开放使医学图像的传播危险。通常,问题,如非法复制、篡改内容,遇到和版权损失,大大阻碍了医学图像的诊断。因此,研究人员投入更多的努力在医学图像安全研究,图像信息隐藏和加密(1- - - - - -3两个重要的研究方向。

信息隐藏技术嵌入信息需要保护的载体。通常情况下,承运人提取秘密信息后不可避免的表现出一定程度的失真。然而,医学图像等特殊载体图像的完整性有极高的要求,所以可逆数据隐藏(RDH)技术引入保护高度敏感的图像。可逆数据隐藏是信息隐藏领域的一个重要分支。可逆数据隐藏(RDH)秘密信息嵌入到载体数据并能完全提取秘密信息和无损恢复载波数据。1997年,巴顿(4)提出了可逆数据隐藏的概念。之后,大量的可逆数据隐藏算法提出了(5- - - - - -7]。目前,可逆数据隐藏技术主要包括无损压缩,不同扩张(DE)和直方图转移(HS)。侯赛因et al。8)提出了一种基于压缩可逆数据隐藏方案,将秘密数据嵌入到无损图像压缩所产生的多余的空间。该方法计算复杂度较低,但低嵌入容量和大的图像失真。2003年,田9)提出了一个可逆的数据隐藏算法基于不同扩张,延长了两个相邻像素的差别将数据嵌入到空的最低。倪et al。10)首次提出基于直方图变化的可逆数据隐藏算法。该算法构造了一个基于原始图像的像素分布的直方图,通过直方图将嵌入信息。该方法具有较高的效率,增强数据嵌入能力,和无损恢复,适合医学图像。在此基础上,Kumar et al。11)提出了一种改进的直方图变化可逆的医学图像水印算法提高隐藏容量。它是基于直方图转移技术把图像分成小块数据嵌入。吴et al。12)提出了一种基于直方图的方法转向保护医学图像记录。非均匀重量和阈值的线性预测是用来提高医学图像的质量,以及提高预测精度和嵌入容量通过调整重量。由于可逆性的可逆数据隐藏算法,它具有十分重要的现实意义,以保护医学图像利用可逆数据隐藏技术。正如上面提到的,大部分的保护算法的医学图像处理主要包括图像版权保护和嵌入式图像视觉质量的提高。图像内容本身的安全通常是难以实现。因此,为了保护图像内容的变化(和任何意外泄漏可能带来),大多数医学图像在传输过程中进行加密和存储。

加密技术实现通过编码信息隐藏信息的功能。Abdmouleh et al。13)提出了一种新的局部加密的方法基于离散小波变换(DWT)和兼容标准如JPEG2000以保证最优的和安全的医学图像的传输和存储。青年外交官访华团et al。14)提出了一个新颖的chaotic-based医学图像加密技术。这种技术使用第一巴特沃斯高通滤波器(BHPF)提高医学图像的细节,以避免任何可能的损失在加密-解密过程中医疗信息。然后提出技术开发的修改阿诺德的猫映射技术结合著名的高级加密标准(AES)算法。周et al。15)提出了一个新颖的无损的医学图像加密方案基于博弈论与感兴趣的区域(ROI)优化参数和隐藏的ROI的位置。在加密过程中,ROI是一个对医学图像进行像素级转换实现无损的解密和保护医学图像信息损失。同时,ROI的位置信息是有效地隐藏,和泄漏的位置信息在传输过程中避免。计划达到优化和无损的加密和解密的图像,可以灵活、可靠地保护不同类型和结构的医学图像对各种攻击。

但是上面的秘密技术也有自己的局限性。首先,为了确保无损的恢复图像,局部加密技术将添加额外的代码。此外,可能会有问题在开放的网络检索图像,除非有额外nonencrypted信息可以访问(这可能会破坏一些保护工作)和机制,只有经过授权的医务人员可以解密信息。此外,加密图像容易引起攻击者的注意,这就增加了数据被攻击的风险。

为了保护隐私信息的医学图像,一个关键领域基于二维码的保护算法和可逆的数据隐藏算法。首先,图像的关键领域,其中包含重要的病理特性或诊断和治疗信息;然后,其他领域的图像处理块,并计算和排序的均方误差(MSE)的图像块,选择高质素区域嵌入,嵌入秘密信息通过使用直方图技术转移,并实现信息隐藏的关键;根据医学图像生成二维码和病人信息和取代位置改变方法的关键领域。最后,实现医学图像版权的保护和病人信息。

本文的结构如下。第二部分展示了直方图算法和二维码技术转移。第三和第四部分描述的算法流程。第五部分讨论了算法的性能。最后,给出的结论是在第六部分。

2。相关工作

2.1。直方图变化

可逆数据隐藏方案(10]基于直方图的变化吸引了广泛关注,因为他们的低计算复杂度和高图像质量。生成直方图通过计算像素值信息。嵌入的信息修改像素值信息。主要步骤如下:(1)生成原始图像的灰度直方图(灰度直方图显示图像的像素值的次数,即。像素的频率),找到峰值点和零点Z,存储峰值点和零点信息作为辅助信息。(2)遍历整个图像,扫描按顺序从上到下,从左到右扫描在列的列。之间的像素Z和是转向Z一个单位,和旁边的灰度直方图是创建一个空出空间嵌入的秘密信息。代表原始像素值和代表了像素值: (3)在相同的顺序扫描图像。如果像素值等于最大像素值 ,然后嵌入秘密信息。如果右移,如果信息嵌入是“1”像素值增加1,和像素值的变化 。如果信息嵌入是“0”像素值保持不变,仍然存在 。 代表的秘密信息嵌入,嵌入后的像素值表示为秘密信息

这种方法找到峰值点的目的是提高嵌入容量尽可能多。在这个算法中,嵌入容量等于峰值点的数量 :

2.2。二维码

自1980年代以来,二维码已经大规模应用由于其成本低、识别速度快、纠错能力强等优点。手机的广泛普及和电子设备还提供了一个合适的二维码的发展环境。二维码也被称为快速响应代码(16];全名是快速响应代码。这是在1994年由一家日本公司汽车零部件的跟踪和已经被用于各个领域。从的角度存储信息、二维码不仅可以包含文本信息,还通过链接直接跳转到其他网站的界面,它可以存储多种类型的数据。从外观,二维码是由黑色和白色组成的块划分为功能区域和编码区域。与其他二维条形码相比,二维码的优势更大的存储容量,识别速度快,antistain能力强,加密和anticounterfeiting,等,使其成为最受欢迎的2 d条形码(17]。该算法使用QR码提供医学图像和病人信息。如今,图像检索主要是基于外部标签。如果外部标签被恶意篡改,将会导致检索错误。

在这篇文章中,除了二维码与图像相关的属性信息。通过扫描二维码信息并比较相应的关键词,可以快速检索和图像检索精度可以提高。二维码包含基本信息如医院信息,部门信息、医生信息,病人数量,图片拍摄时间,联系电话,和医学图像类型。二维码生成函数要求生成二维码通过使用这些信息。方便,医学图像内容检索和版权认证和病人信息的披露和保护版权和患者信息的医学图像。在图1(一)显示图像的基本信息和图1 (b)显示生成的二维码信息。

3所示。算法描述

近年来,越来越多的医院和医疗研究机构建立了自己的医学图像存档和信息传输系统。然而,相关研究表明,大多数医院或医疗研究机构所使用的系统不安全,容易受到非法人员的攻击导致病人信息的披露。因此,它是非常重要的,以保护医学图像。基于上述原因,本文提出了一个可逆数据hiding-based医学图像关键信息保护计划(18]。

3.1。选择的关键领域

本节详细介绍步骤1嵌入算法的部分。普通的医学图像的关键领域是疾病的信号,其中包含重要的病理特性或诊断和治疗信息。这一地区拥有丰富的纹理和信息含量高。另一部分低纹理,含有更少的信息,不包含图像的关键信息(19]。根据医学图像信息分布的特点,选择有效的信息密集的区域作为关键区域加密,实现医学图像内容的保护。首先,确定关键区域的大小。医学图像的512×512,如果像素灰度值为255的数量小于总数的三分之二,关键区域的大小是128×128;否则,关键区域的大小是80×80。然后,确定关键区域的位置。变异系数通常是用来计算数据之间的分散度。变异系数越大,数据的分散程度越高,和更丰富的数据;变异系数越小,温和的数据变化和信息内容越少。分布的图像像素值为0到255之间,这也符合变异系数的计算条件。 According to the following equation, the coefficient of variation, which represents the standard deviation, is the population mean:

方程(5)是用来计算标准差,N代表像素像素块的总数,x是像素值,u代表了人口的意思是:

所有的子块的值计算和排序。为了验证变异系数的影响在关键领域的选择,选择三个图像块和标记为P1,P2,P3,分别。P1表示的图像块最小离散系数,P2表示的图像块最大的离散系数,和P3表示的平均值P1,P2和向下圆:

根据方程(6),得到图像的关键领域,然后关键领域作为秘密信息嵌入到图像。

3.2。方框图

本节详细介绍嵌入算法的步骤3部分。基于医学图像的特征信息分布,不重叠的块处理一般采用医学图像,可以提高计算的准确性(20.]。假设原始图像的灰度图像大小,米图像的行,N是图像的列,每个子块的大小是什么n×m。根据以下方程,分为原始图像K子群:

3.3。嵌入式地区选择方案

本节详细介绍嵌入算法的步骤4部分。对医学图像、纹理区域包含更多的信息比光滑的地区。秘密信息嵌入引起的图像失真可以在一定程度上保护医学图像信息。因此,在选择嵌入区域,纹理区域嵌入地区者优先。均方误差(MSE)可以评估图像的纹理程度,所以这个计划使用MSE计算纹理图像的复杂性。均方误差计算公式如下。米和n分别代表图像的行和列,我(I, j)是原始图像,我_大街图像块的平均像素值:

的每个子块图像的均方误差计算根据方程(8)。MSE从小型到大型排序根据相应的图像块的位置,和MSE的顺序序列通过使用排序算法。设置阈值T控制嵌入式像素值的选择。当T增加,嵌入可用像素的数量将增加,但图像的视觉质量将减少。为了保持嵌入能力和视觉质量之间的平衡,有必要设置T合理的。

在数据嵌入阶段,纹理区域可以很容易地确定用于数据嵌入在数据提取阶段,作为纹理区域的像素值的变化进一步放大所选块的MSE。假设纹理和平滑块的阈值分类设置为10。然后,所有与MSE大于10块参与可逆数据嵌入,嵌入的数据后,所选块的MSE进一步扩大。在数据提取阶段,相同的阈值可以用来区分块,这样可以完全提取秘密信息。

4所示。嵌入和提取方案

图2显示该算法嵌入的基本过程。

4.1。嵌入算法

步骤1。选择图像的关键领域使用的关键区域选择方法部分3.1,关键领域转化成二进制流和嵌入秘密信息的形象。步骤2。生成一个二维码包含可见水印载体图像信息。二维码的大小与关键区域的大小是一致的。之后,关键领域的方法取代位置交换生成融合图像。步骤3。其他图像地区划分为块根据部分的图像分割方法3.2。步骤4。计算每个图像块的均方误差值,从小型到大型排序。设置阈值T把纹理区和光滑区。均方误差值大于在哪里T它属于纹理区域,被认为是可嵌入的。平滑区域作为nonembeddable地区和二维码区域合并成nonembeddable区域。步骤5。扫描每个可嵌入区域图像块从上到下、从左到右为确定可嵌入的秩序。步骤6。开展钻石预测每个嵌入区域基于嵌入的图像块的顺序(21]。四个相邻像素在每个像素用于实现目标像素的预测,预测值是减去从原始像素值来实现预测误差(22,23]。嵌入奇数层,然后偶数层。预报值和预测误差是通过以下方程: 步骤7。生成每个图像块的预测误差直方图,选择像素点的预测误差(−3,3)嵌入点,翻译的嵌入空间,和嵌入的秘密信息。公式如下, 代表了错误选择范围,b代表了机密信息:

4.2。提取算法

步骤1。选择二维码区域(扫描二维码获得图像的基本信息)。步骤2。将图像分成块嵌入时根据计划。步骤3。计算每个图像块的MSE,从小型到大型,选择纹理区域和平滑区域根据阈值T。均方误差值大于在哪里T它属于纹理区域,二维码区域纳入nonembeddable区域。步骤4。基于嵌入秩序,钻石形状的预测是为每个嵌入区域图像块。首先,偶数层预测奇数层预测。下面的方程被用来提取秘密信息: 步骤5。生成每个图像块的预测误差直方图,并使用以下方程恢复图像的翻译: 步骤6。重组提取秘密信息恢复成图像块和替换的二维码区域图像块来恢复原始图像。

5。实验结果和分析

这个实验的实验环境是MATLAB 2016 a,英特尔®™核心i7 - 6700 CPU处理器。为了评估实验方案的性能,我们尝试了癌症成像的数据归档(TCIA)医学影像数据库。TCIA是一个开放的癌症研究医学图像数据库。我们手动选择200图像TCIA使用以下选择模式:(一)图像必须描述常见的CT成像的器官,如脑、肺等。(b)图像纹理的要求是相当复杂的。图3显示6,图像显示了不同类型的医学图像(24]。覆盖二维码图像从原始图像有很大差别。为了确保计算结果的可靠性,实验数据是计算结果除二维码的部分。

嵌入信息后,加载图像与原始图像是不同的。为了防止变化被发现,传统的可逆数据隐藏算法需要确保人类的眼睛无法捕捉秘密图像的变化。在该算法中,我们使用原始图像和秘密图像不同的负载保护图像内容,由于医学图像具有较高的灵敏度,微小的变化会导致错误的诊断;我们使用嵌入式图像失真后图像的保护。峰值信噪比(PSNR)和结构相似度(SSIM)通常用于评估加载图像的视觉质量。在这项研究中,PSNR和SSIM嵌入的水印图像与原始图像之间(不含二维码区域)计算客观地评价图像质量。人眼视觉的伪装是主要嵌入算法。

PSNR值越大,变化越小的视觉质量和失真越小后嵌入的秘密信息。PSNR值越小,更大的视觉质量和更大的改变嵌入的秘密信息后的图像失真。PSNR值被定义为

SSIM评估标记图像的亮度、对比度、和结构。结构相似度范围从0到1。当两个图片是相同的,SSIM的值等于1。SSIM值越高,算法的变形越小;SSIM值越低,越失真的算法。SSIM的方程如下:

5.1。分析关键区域选择的结果

关键区域是包含重要的病理特征的区域或诊断和治疗信息,在信息内容丰富的纹理和高。该算法使用值选择关键领域。表1显示相应的值的六个实验图像和相应的选择区域是否疾病标志区域。从表中可以看出,该地区最大的选择价值通常是该地区疾病的迹象。它可以为医学图像提供了安全。

数据4(一)- - - - - -4 (c)分别代表选择最小值的影响P1,中值P3,最大的价值P2,二维码区域是选择的关键领域。从图可以看出,当最小值P选择1,关键领域是背景区域,没有任何疾病的警告信息。当平均值P3被选中时,较低的关键领域是一个图像块的纹理,含有少量的信息,但信息内容不丰富,安全性不高。最好的选择方案是选择方案的最大价值P3所示。在图4中(c),二维码占据了一个大面积的病变,具有较高的安全。

5.2。方框图的选择结果的分析

块的方法是对嵌入式图像的视觉质量有一定的影响。本研究选择纹理区域的嵌入式计算均方误差值作为标准来判断纹理;太大街区将减少图像计算的准确性,使纹理分割很难判断,但图像块越小,计算复杂度越高。因此,以下比较的是6个图片(f)根据不同的分区方案判断最好的分区方案。

在数据5和6,横坐标代表最小的块单元,分别为纵坐标是PSNR和SSIM。其中,8×8意味着512×512图像分为4096个小图像块8×8大小没有重叠。分区,越大的SSIM和PSNR值越小。从图可以看出5之前,PSNR下降缓慢64×64分区和64×64分区后出了较大的波动。从图可以看出6,SSIM减少逐渐增加的最小划分单元。SSIM和PSNR值的8×8,16×16和32×32个分区方案不会改变太多。在这个实验中,为了获得低PSNR值和一定的计算精度,64×64是最优分区方案,不仅可以获得准确的纹理区域,也保持较低的时间复杂度。

5.3。平滑区域和纹理区域嵌入结果分析

医学图像的纹理区域包含更多的信息比平滑的区域。的帮助下造成的失真数据嵌入,医学图像的原创内容可以在一定程度上,可以控制和图像的PSNR值高于36,这不会引起警觉的人类视觉系统,实现图像的保护内容,以提高算法的安全性。

在这项研究中,六个医学图像嵌入到纹理区域和平滑区域,分别。

数据7和8显示生成的PSNR和SSIM值嵌入图像的平滑区域,中间区域,分别和复杂的地区。在图7横坐标和纵坐标PSNR值提供了图像纹理的纹理图的不同程度8。图像纹理的横坐标和纵坐标SSIM提供根据不同程度的纹理。高、中、低横坐标是嵌入在纹理区域,中间区域,分别和平滑的区域。可以看出,每个区域选择方案的PSNR值维持在40 - dB,但不包含任何图像平坦区域信息,所以选择高质素地区的关键地区。同时保护的关键地区,某些失真引起的嵌入可以保护信息的嵌入区域,进一步提高安全形象。

因为本文中使用的排序方案,实验方案显示了更好的性能。纹理的图像块分类程度,复杂纹理的图像块优先提高算法的安全性。表2显示实验结果通过嵌入high-textured地区在64×64分区方案,和T是对应每个医学图像的阈值分割纹理区域。在实际应用程序中,可以选择不同的阈值根据机密信息的大小。

图9显示6医学图像嵌入水印后,首先,较大的图像块作为区域生成信息秘密信息,生成二维码更换关键领域,更换后图像分为64×64子块,使用MSE值来选择高质素区域作为嵌入式的图像区域,并使用均方误差和直方图技术转移来嵌入秘密信息。

表3显示了性能比较的两种嵌入容量的方法提出了25,26]。基于CDMA数据纹理块算法(25)是嵌入到选定的细节子带,因为预处理序列正交嵌入数据,和秘密信息嵌入到封面图片。重复扩频序列偏移量的大部分元素,以便提出大型数据嵌入容量可以达到更高的视觉质量。文献[26)计算图像的熵块找到平滑块嵌入水印。嵌入的平滑区域被选中来获取更高的PSNR值。

本文的目的是改善图像的内容安全与控制嵌入图像的PSNR值36分贝以上,以确保它不被人类的视觉系统。从表可以看出3这个算法的PSNR值低于传统的医学图像可逆信息隐藏,但每种类型的图像的PSNR值基本上维持在36分贝以上。实验结果表明,该算法可以实现高图像质量,和接收者可以恢复原始医学图像无损避免诊断偏见。

6。结论

针对医学图像的高需求的图像内容和日益严重的网络安全问题,提出了一个基于可逆信息隐藏算法的医学图像关键区域的保护。关键区域嵌入秘密信息保护图像内容;生成的二维码实现图像版权的保护和患者信息,提高了图像版权的安全。与其他医学图像保护算法相比基于可逆数据隐藏,该算法使用二维码来提高图像检索的效率,利用信息隐藏隐藏病人区域的存在,控制图像的PSNR值40分贝以上,提高了细微的病变区域,并实现医学图像的安全保护和病人的安全传输敏感信息。同时,只有经过授权的用户可以获得原始图像嵌入信息后并获得原始富达医学图像,从而实现医学图像的安全保护和病人的安全传输敏感信息在开放的网络环境。同时,二维码嵌入的帮助下,该计划还可以实现医学图像的检索安全,确保医疗信息的安全。实验结果表明,该方法是可行的,具有广阔的应用前景领域的医学图像信息的保护。

未来的工作将包括大规模的测试,包括计算成本。此外,我们将探讨多个区域被认为是敏感的情况。最后,我们还计划研究攻击行为。可以想象,恶意的入侵可能会试图改变二维码和纹理区域。因此,适当的策略将需要确定更改造成的攻击。

数据可用性

软件代码和数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有利益冲突有关这项研究的出版物。

确认

这项工作得到了国家自然科学基金(61802212和61802212),山东省自然科学基金(ZR2019BF017和ZR2020MF054),山东省重大科技创新项目(2019年2019 jzzy010127 2019 jzzy010132, jzzy010201),青年创新团队发展计划的学院和大学在山东(sd2019 - 161),济南城市“20大学”资助项目引入创新团队计划(2019 gxrc031)和山东省高等教育的项目科技项目(J18KA331)。