文摘

在关键领域,如医疗和军事,可逆水印(RW)已经被使用。在医学领域,不同的模式是用来存储患者信息。目前的研究重点是RW超声心动图数据的应用。通常,RW应用于保护病人的数据而不影响解码图像的质量。RW方法每个细微基准,健壮性和负载。调查提出了一种比较先进的RW技术。通过权衡细微和负载平衡。已经观察到的文献中,大部分的RW方法缺乏鲁棒性,并取得了非常小规模的鲁棒性水印的在这一领域。不同类型的RW,即。,fragile, semifragile, and robust methods, are being compared and reviewed. Mostly, fragile methods are developed on the error-expansion techniques built on histogram shifting-based approach. In this study, several RW methods are compared and the results are presented.

1。介绍

医学影像(如超声心动图和超声)病人至关重要的细节。超声心动图与它不同的口味是杰出的呈现信息关于心脏的大小和形状,识别心脏病学的风险,泵送能力,和组织损伤的位置和程度1- - - - - -3]。信息由这些模式是非常重要的,它使它非常具有挑战性的视频处理和图像处理。最终导致一个强大的冲动等无损和健壮的数据隐藏数据处理(4,5]。

技术的不断进步做了了不起的工作改变人类生活的方方面面,并寻求进一步改善和技术进步是永恒的。计算机技术,它的力量,已经萎缩成手掌随着智能手机和其他手持设备。这已经完全彻底改变了通信和数据处理领域不断增长的数据传输量。信息技术术语,这种转移可以分为存储、检索和传输。

这种转变的最大受益者之一是医疗领域有多年来极大地受益于信息技术的创新。健康信息技术(打击)已经得到普及,和许多卫生机构利用信息技术来存储病人的信息。电子病历(EMR)拥有完整的有关当前和过去的疾病,病人的信息实验室测试数据,医学成像结果,诊断、药品信息,等等。所有这些数据可以转化为一个数据库可以存储、访问和传输到其他医疗机构按要求。这种鼓励无纸化环境,使不同利益相关者访问完整的病人一个鼠标点击的信息。

这种数字化的医疗记录可能构成威胁的数据完整性都有意的或无意的变化和滥用这增加了攻击数字数据的趋势(6]。操作,未经授权的访问、删除和医疗数据分布在增加7,8]。病人数据盗窃犯罪呈上升趋势,这可能有严重不良影响远程医疗的功效和E-health应用程序(9,10]。

虽然技术像DICOM医学数字成像和通信减轻这些风险出现的数字化医疗数据在传输过程中,额外的信息使其较小的开销候选人如果相同的是在公共网络上传输或低带宽连接(10]。

所有的数据保护技术,如加密,隐写术,和水印,等等,都有自己的优势,但对于认证的医疗数据(11),水印一直是最受欢迎的和健壮的技术采用(12]。数字识别标记或消息是嵌入到覆盖介质,即。,the digital medical data like images, videos, text, etc. This not only secures the data authenticity but also nullifies any ownership disputes [8,12,13]。如果结合加密技术,数字水印提供了一个高度果断的解决方案对数据篡改(10]。还有一个好处是,它是一种行之有效的研究领域和应用程序时间跨度超过各种知名广播监控等领域。因此,很多研究责任已经对医学图像和视频水印保护通信高度机密的患者数据。现代数据隐藏技术和他们的应用程序分类如图1。数字水印技术的总体框架提出了医学图像的数据2(一个)和2 (b)。数据嵌入过程需要一个封面图片,数字水印和非强制性安全的关键。这个嵌入函数的输出将会是一个有水印的图像,可以按要求传送或存储。提取水印时,编码过程通常是在相反的顺序执行提取嵌入数据。这些数据随后被用来进行身份验证的原始内容和篡改检测(15,16]。

一个有效的数字水印系统必须确保某些属性,关键在确保数据安全。这些参数或属性通常是相互矛盾的,需要一定程度的妥协,使得它们之间的水印算法(9]。四个主要特点是容量、安全、理解力和鲁棒性。在这篇文章中,我们旨在回顾可逆数据隐藏技术被用于信息隐藏在超声心动图(超声波)医疗系统的安全性。

2。文献综述

2019年,在乌鸦et al。17)提交了一份RDH计划使用最优像素重复安全地隐藏信息。它导致一个直方图不变的隐藏图像。高鲁棒性是实现从统计攻击由于直方图不变性。PSNR实验后获得42为1.25 dB bpp载荷通过应用x射线的方案。

2018年,Geetha和Geetha [18)提出了一个方案隐藏数据利用扩张对预测误差图像点通过integer-integer小波变换(I-IWT)。采用I-IWT部分波段中使用这种技术,和嵌入的秘密是部分波段上进行。75285年获得52.6 PSNR bpp x射线图像的有效载荷。

在2020年,提出了空间域方法由杜塔等。19对水印)。利用巨大的空间冗余像素有关,这种技术实现鲁棒性和视觉质量。准确的可逆性证明即使在容易出错的传导渠道。Parah et al。20.定意一个可逆和高容量系统,利用像素重复技术。拟议的系统有能力利用块校验和嵌入检测篡改。实验进行了CT扫描和见证了平均46 dB PSNR作为输出1,96608位有效载荷。

Bhardwaj和Aggarwal21RDH算法加密的)提出了一个基于层次绝对时刻块截断编码。分层AMBTC用于获得一个表有一个高的意思是,低意味着表,和位图序列表。加密是在通过homomorphic-based首先完成的密码系统,然后,每一个灰色像素高表是用于数据嵌入。除此之外,每个像素有较低的表意味着和位图序列(除了零(0)值)是利用嵌入过程中没有任何下溢或溢出的问题。临床实验结果表明,该方法具有执行嵌入率峰值的1.80位/像素,49.89 dB PSNR值。Geetha高嵌入容量和Geetha RDH技术没有退化封面图片的质量(22]。

封面图片的插值点预计采用菱形均值插补技术。发现篡改和内容的真实性,病人的数据作为秘密信息以及校验和不重叠的2×2像素块的插入。CT扫描的结果描述,42.398 dB PSNR值达到1.5 bpp负载。

2014年,Acharjee et al。4]提出echocardiograph视频的水印技术。计算两个相邻帧的运动矢量后,有水印的图像。结果显示SSIM原始和恢复之间的帧(2 - 6)在0.9902和0.9943之间而PSNR的原始和恢复帧之间的相同数量的帧数163.95 dB和165.23 dB。

戴伊等人提出了一个DWT-DCT-SVD-based技术水印血管内超声视频(23]。水印嵌入是通过分裂IVUS视频帧和就业的离散小波变换(DWT)和离散余弦变换(DCT)其次是奇异值分解(计算)。提取过程中的应用逆DWT和DCT和圣言。提出的评估技术是通过PSNR以及相关系数。50.8122 PSNR之间实现原始IVUS视频和有水印的视频,和原始之间的相关系数为0.9990,有水印的视频。可逆水印技术,提出了由Fadoua和哈米德(24医疗安全的视频。病人身份是嵌入宿主视频的多项式变换方法用于识别最优帧在每一个视频镜头。实验后平均PSNR和数控获得61.4394和1.0000,分别为120×120的帧大小。

3所示。方法

在本节中,讨论了三种类型的水印技术,即。空间域、频域和混合域方法。这些方法主要分为脆弱,semifragile,健壮的技术。在表1方法被总结。

3.1。空间域

3.1.1。水印对篡改检测和检索使用无损水印和LSB修改

2012年,Agung等人提出了一种基于LSB的可逆的方法修改为水印的医学图像25]。刘的设计技术26]本文中使用的原始lsb嵌入在感兴趣的地区利用行程长度编码。Jasni的计划(27]因为脾气检测和水印的恢复也是该技术的基础。提出了技术的简介如下。

(一)形象准备:实验,超声图像(8位),分辨率为640×480像素。图像被隔离成RONI和ROI。脾气检测和恢复,ROI是用于水印。RONI利用为原lsb嵌入水印的可逆性。概括,ROI的静态尺寸的样品连同RONI作为证明。

红色矩形区域描绘了ROI图3。实现最好的脾气定位精度和更好的恢复图像的质量,使用较小的6×6块大小,而不是8×8。一个映射(一个 B C D …一个)序列准备对ROI嵌入水印是一个块映射,和一个特定的块用每个符号。信息重建中注入每一块相邻的下一个块(27]。 在哪里k表示质数的表示总块中存在的ROI。一个不同的整数 作为B是分配给每个ROI块。光栅扫描{左右自上而下地}是用于分配的每一块。之后,RONI分为6×1像素块。实际lsb的压缩是通过应用RLE,和一块RONI然后用于嵌入RLE的合成方案。

在ROI (b)水印过程:水印技术是基于Jasni的计划(27]6×6像素块大小的ROI。提前插入水印,本机lsb去掉时,每一个被设置为零。每个6×6块隔离进一步为3×3像素子块。对每一子块,水印3×3位包含一个2比特的认证水印和恢复水印有7位(r)。

创建一个水印每一子块后计算块的平均强度(Avg_B)及其子块(Avg_Bs)

水印生成的是

水印 然后在其lsb嵌入每一子块如图4。

RONI (c)嵌入:实际的lsb压缩后存储在RONI。然后使用这些存储值的图像恢复过程。删除LSB描绘成一个640×480 x1-bit二进制LSB矩阵。实现较高的嵌入容量,使用RLE-based压缩。矩阵在LSB分为3×3位LSB块第一,然后,所有的块都转换成十进制根据图中提到的示范5。

十进制值范围是0 - 511(9位)。转换值的获得收集每一个LSB块然后被光栅扫描,然后获得数据运行利用RLE作为输入。RLE过程的结果将是一个包包含运行值(RV)和运行计数(RC)。

每包12位RLE注入RONI 6×1像素块。房车范围是511,所以9-bit存储需要而RC仅限于7中,只有3位是必需的。一个完整方案RLE包在RONI描绘在图12位6。

建立的实验,第二LSB (LSB 2)需要用来避免存储问题和嵌入在RONI RLE包。

(d)的识别干预和恢复:假定图像分解成RONI ROI和ROI分为6×6像素块。每一块的ROI然后进一步分为3×3像素的子群。提出了(27),对于每个子块,校验位p和身份验证将提取的。调整块的lsb后为零,计算块的平均强度(Avg_B)及其子块(Avg_Bs)。填充校验位和认证一样并比较这些位与提取的位和身份验证的块是否它是调和。回火块将被重新发现恢复块利用连续映射的模式是利用图像的准备。如图7,让一个是一块钢化。复苏的块,块中嵌入的信息B就会被使用。对于每个单独的子群一个块,用7位MSB包含恢复数据从其获得相应的子块的块B。

(e)恢复实际的lsb: RONI一分为二成6×1像素块,用于注射的块RONI每个RLE包将被提取并解码,如图6。一组十进制值在0 - 511的范围将解码RLE后获得。每个十进制值将被转换为一个3×3×1位的二进制数。这整个过程是相反的示图6。一个矩阵,其中包含3×3×1位将3×3像素块的lsb。后将图像划分为3×3像素块通过光栅扫描,每个3×3×1 LSB是然后恢复图像的每一块。

第二使用LSB嵌入RLE包不能恢复,因为这不是存储。由于超声波的品质之一,几乎每一个像素值RONI描绘黑零值,第二个LSB是设置为0的每个像素值小于3提高恢复图像的PSNR值。对投资回报率的情况下,它可以声称每个像素是可逆的。MATLAB是用于实现目的评价水印可逆性以及图像的篡改和收回。

结果说明上面的水印图像的PSNR值46 dB这意味着较低的技术可以产生有水印的图像恶化和与实际一致。

从可逆性的角度来看,图中所示的结果8表明,该技术是可逆的地区包括ROI,但RONI-acquired接近于原始图像由于第二LSB的包容。脾气检测结果表明,该方案执行100%的脾气本地化而对于加强攻击执行99%,亮度和对比度调整攻击,表现在60%和98%之间。复苏的复苏和PSNR性能方面是100% < 20%。包含锐化的操作调整、亮度调整和对比度调整,回收率很低(6% - -48%)。进一步改进想让这个计划完全无损的更大范围的攻击。

3.1.2。ROI-Based为医学图像篡改检测和恢复使用可逆水印技术

Al-Qershi和邱28)创造了一个技术组成的不同扩张可逆地嵌入水印的超声图像。将完成嵌入多变和可扩展的组织,和不同组织的位置地图。这种技术可以利用相关病人的隐藏信息,认证的ROI,定位区域ROI内回火,回火地区的复苏。RONI,后将原始图像分解到ROI和边境地区,通过2 d-de RONI用于嵌入负载。位置地图生成然后用于提取阶段。有效载荷的组合如下:(一)病人的信息(b)ROI的散列消息进行身份验证(c)ROI像素定位回火(d)复苏的lsb像素位于图像的边界(一)嵌入阶段:(我)分解后的图像ROI, RONI和边界(2)利用MD5算法散列信息”H“ROI计算后将它划分为16×16像素(3)的ROI像素”P”和lsb边界像素”l“收集(iv)病人的信息”D”是附加在这些收集的碎片”P”和“H“随着散列信息”H”(v)位在前面的步骤中,串联后的有效载荷是由通过霍夫曼编码压缩字符串(vi)RONI利用嵌入负载在使用2 d-de [29日](七)位置地图生成后附加ROI的坐标和压缩lsb嵌入边界像素(b)提取阶段(我)提取,随着提取ROI填充位置地图坐标通过压缩比特流来自边界像素。(2)RONI识别利用ROI坐标。(3)提取的有效载荷是出于RONI解体H,P,l,D解压后部分。(iv)对于图像的真实性,哈希计算ROI和与提取的一个。如果值是不同的,这显示了回火。(v)冲淡的是恢复了ROI划分成16×16像素块,计算每一块的平均值,并替换为相应的像素的平均值提取ROI”P”。位的l利用恢复lsb的边界像素。

拟议的方法是尝试使用四个DICOM图像如图7ROI的不同大小和不同的数据大小的病人。

可逆性的帮助下可以评估的逐像素比较原始和恢复图像而回火可嵌入的散列值的比较收集阶段和提取阶段。

脾气检测和恢复被替换了一些像素与像素RONI ROI。在提取过程中,计划成功缓和地区位于和恢复区域在图所示9。

嵌入结果大小的ROI变体和病人的数据大小见表2。

结果说明,技术对于PSNR表现良好,嵌入容量的增加和可逆性的任何重大回火。上述技术方面表现很好更高的隐藏容量以及视觉质量利用隐藏技术,提供更高的嵌入漫游,以弥补ROI大小和图像大小的问题。进一步改善的multiple-ROI概念也可以促进医学信息的整合。

3.1.3。哈里斯角落检测和模糊c

2013年,Debalina Biswas提出了一个方法,使用聚类方法的识别模式被称为模糊c均值(FCM) [30.]。在这个集群技术,一组数据可以属于两个甚至两个以上的集群。它还允许数据时属于不止一个类;然后,其隶属函数程度会有所不同在0和1之间。

有一种罕见的利用FCM可以分级基于语言变量按比例数据和准确分析后很容易在离散域。FCM使用迭代的方法来减少不同的功能和计算集群的中心。更新后,像素组内的重心将转移到正确的位置。

会员矩阵,u_ij用于数据的点的隶属度x_我集群,从 性能指数(PI)用于集群和矩阵的中心的会员提供如下考虑:

欧式距离(d_ij)是数据点和中心的集群。加权指数是米这属于(1,无穷)。有两个条件可以用来减少不同下面的功能:

(一)FCM算法:以下的步骤:(我)矩阵用于随机初始化成员。(2)使用方程(3),集群计算中心。(3)使用方程(2),不同函数计算。停止如果结果低于教的完美像素的阈值。(iv)使用方程(4),一个新的会员,然后计算矩阵的步骤是重复的。

(b)α混合:该混合技术用于混合第一图像源像素当量的第二图像来源。以下是阿尔法混合的执行:

对于图像的混合,混合因素是来自第一映像就是为什么它被称为α混合(31日,32]。用于范围中的α代数在0.0和1.0之间。使用这种技术,提供水印生成如下: 其中WII是有水印的图像,CI是选中的图像,WI选中的等效的形象。过程的输出如图10。

(c)嵌入水印的过程:在嵌入水印的过程,灰色的医学图像分割应用使用模糊c。然后,采用二值化图像。从图像的关键,一个开放的二进制区域是用来清洁小对象。检测,采用Sobel边缘。然后,Harris角点检测的算法33,34)是可行的。的最大直径,哈里斯和基于点,计算中心。之间的边界被标记的区域noninterest (RONI)和感兴趣的区域(ROI)的基础上绘制的圆直径和中心的观点。有水印的图像大小从RONI用于选择一个区域。阿尔法混合技术是用来嵌入水印的区域被选中。

(d)讨论和结果:研究医学图像水印嵌入的影响,结果显示,如图11。

RONI的部分是利用嵌入的水印使用alpha混合技术。

(e) PSNR值应用于水印的信号:有水印的MRI图像和原始图像之间的PSNR值是28.8255,和有水印IVUS图像和原始图像之间的PSNR值是23.504。

3.1.4。超声图像序列的保护:利用运动矢量可逆水印

感应的新的医学成像技术,成像模式的多样性增加了两倍。每个通道都有自己的要求,一个可逆水印策略用于数据安全为他。2019年,哈比卜和Al-Fayez [36)提供了一个方法超声波成像视频或图像序列的数字安全使用运动矢量。运动矢量预测是一个受欢迎的技术在视频压缩,利用比较两个图像或帧在编码器端提供数据压缩。这是一个非常有前途的技术,计算便宜的(当使用大块)方法对视频和图像序列帧之间的相对运动速度较低,如超声波成像。

拟议的方法,经过直方图预处理阶段(减少溢出/下溢),图像序列进行了全搜索块匹配算法(BMA) 16×16块大小。计算运动矢量的大小指定为MV_我,我,在那里我是我^th框架和j是j^th帧的运动矢量,是用来定义一个嵌入阈值。这些水平和垂直MV级值_H和MV_V的运动向量,选择阈值的基础上,用于计算相位角使用 这是随后用于数据嵌入。边信息帧直方图修改过程中计算和运动估计也是嵌入水印。这样可以确保准确的数据提取在译码器/提取,提高了鲁棒性。

作者已经能够实现无限PSNR之间发送和接收端图像、数据提取后意义都是相同的。PSNR值的原始图像和水印图像约41分贝SSIM约为0.92。最大嵌入容量达到0.29位/块,和边信息水印数据的比率大约是1.65%,非常有前途。缺点是,正如作者所提到的,算法的适用性是有限大的块大小只有减少块大小不仅增加了计算开销,还涉及添加大量的信息数据必须准确检索。

3.2。频域

3.2.1之上。新方法完全可逆水印在医学成像与突破的可见性参数

啤酒ˇ坐着等人制定一个可逆水印方案基于不同的合金优点的医学图像三个传统趋于0,可逆,RONI水印(37]。结合不同的方法的基本目的是消除缺点并利用方法的优势。输入媒体分为不同的两类RONI和ROI;RONI是分钟的区域图像的变化不影响整个医疗信息。RONI以外的区域,,属于ROI的保护伞。

RONI的识别是基于他们的邻居比较向量,向量由像素值的行和列。比较邻居向量在每个方向。一个阈值被用来区分投资回报率和RONI的边界。实验的这种技术,定义阈值根据不同的测试(有10%相似38]。样本用于实验的目的在这个研究包含RONI大小的11%。

(一)水印隐藏。(我)ROI检测后,受到DT-CWT变换。(2)我选择DT-CWT数字。(3)确定系数的算术平均数 。(iv)像素组成的随机位置相同数量的像素作为水印标识区域系数。位置不能太靠近边缘的图像。(v)让 是我^th随机位置,周边地区包括7×7像素是通过选举产生 的中心。(vi)一个特征图像F相当于水印的大小。邻近的平均7×7块的选择我^th随机位置必须等于个人特征图像的平均值F。下面的公式是用来创建矩阵B从特征图像F: 在哪里是我带的算术平均系数。(七)秘密共享是用作水印生成RONI结合矩阵B和一个水印,如图12。

(b)水印提取。(我)noninterest地区和地区利益的形象是有水印的孤立。(2)LL子带的系数与RONI DT-CWT转换后选择。(3)同样的播种过程将重复的帮助下密钥相同年代的一代随机将区域内的像素在嵌入过程。(iv)为每一个 位置,通过保持 中心和选择你的邻居7×7像素,平均获得。(v)这个值是利用特征图像的时候必须插入水印的大小。(vi)然后用来创建二进制特征图像矩阵B从相同的公式中使用隐藏的过程。公众分享将生成的二进制矩阵的组合B和图13。(七)水印的提取、逻辑或操作执行创建在当前过程与秘密共享和免费分享。(八)利用过程的描绘在图12。比它的实际尺寸减少水印。

可逆的对比映射是用于可逆水印。RCM利用率要求分割的两个像素的图像分成一组对。转换,对利用:

然而, 是原始的和 值转换。为了避免下溢溢,限制转换子域名。

(c)水印嵌入。(我)像素 noninterest孤立的地区。(2)对于每一个值 如果的值x和y属于域和如果它的构象是基于像素的奇怪的价值,然后对暴露在变换。的新值xLSB是设置为“1”和LSB的新值y可能是用于数据插入。(3)如果值的x和y属于域和如果它的构象不是基于奇数像素的值,然后的新价值xLSB是设置为“0”和LSB的新值y可能是用于插入的数据。(iv)如果值的x和y不属于该领域,零LSB分配和实际值保存。位以上的位置确定在RONI用来嵌入水印。

(d)水印提取。(我)的新值x和y,该地区的noninterest是孤立的。(2)对于每一个新的x和y的值,应用步骤(3)- (v):(3)如果新的价值xLSB的1,那么LSB的y´附加检索后的水印序列。lsb的改变像素都设置为零,和原始值是由形式的逆变换。(iv)如果LSB的新值x是零和对他们的LSB设置为一个域,然后LSB的新的价值y是附加到水印和原始的顺序对返回的修复的LSB副新的。(v)如果新的价值x有其LSB零和新对LSB一域,原始值是由的LSB替换新的价值x的相关值已经水印序列。

执行检查的目的,实验使用6000选择医学图像数据库包含60000医学图像38]。由9个不同的形式包括超声波测试图像。获得的平均PSNR RONI尺寸时是81 10%的原始图像。SSIM获得平均是0.999974。广泛测试提出的技术,它可以在一个更大的医疗测试数据库。

3.2.2。准确检测篡改区域的利益

2014年,Eswaraiah提出了医学图像水印技术(5,39,40]。在医学图像的形式不同的形状,有一个区域的区域是不感兴趣的医生。在这项工作中,那些医学图像被认为是含有一个ROI。图像的边界像素外层三行。像素分为三组分别:像素的ROI, RONI边界的像素,像素。用于身份验证的目的,sha - 1技术是用来计算ROI的散列码。任何形式的修改代码的散列将会很快识别。医学图像ROI区域分为4×4块和RONI分为8×8块,所以他们不重叠。现在的ROI块密谋RONI块。这样做是为了将信息嵌入到恢复。 The following equation is used:

最后,哈希的ROI的信息和价值是植入的像素边界lsb。

(一)算法嵌入:医学图像分为3部分包含感兴趣的像素区域,边界的像素,像素noninterest的地区。sha - 1技术是用来计算ROI的散列值。ROI区域分为4×4块。RONI分为8×8块。地图每一个块的ROI RONI的面积。通过这种方式,数据恢复嵌入。密钥ROI信息和散列的值用于加密。像素边界的用于加密嵌入的比特。现在医学图像可以被发送到远程位置。

(b)算法提取:像素边界的用于加密位提取。解密的ROI应用信息和散列值。sha - 1技术是用来计算ROI的散列值。两个值的哈希将相比,如果得到的值等于,提取的过程将会停止。ROI分为4×4块和RONI 8×8块。对于每个块ROI,步骤是重复的,这样的破坏将确定ROI。方差和平均为每个块的值将被计算。如果方差和块的平均值并不等于,这意味着它是破坏,取而代之的是像素比特。

3.2.3。小说结构Quantization-Based可逆水印方案卫生系统信息

2017年,Turuk和Dhande [41)提出了一种新颖的方式进行交易的信息通过卫生信息系统(他)更安全。支持论点的数字水印是一种很有前途的解决方案巧妙地适合保护未经授权的用户数据从嗅探和窥探。拟议中的新方法使用了一个混合的方法,利用图像量化及其组合结构视为一个特性来隐藏病人数据划分为多个水印。初步完成特征提取使用离散小波变换(DWT)和“哈尔”母亲小波,并进一步量化方法变换系数提出了作者最值得注意的贡献。

该方法首先使用级别2找到downsampled DWT系数的封面图片,如图14。DWT非常有效的隔离纹理区域和边缘,它提供了一个良好的基础为提高水印的细微。图15(一个)显示了一个示例的二级DWT应用于CT图像形态。为了提高鲁棒性,每一个分解子带的能量计算使用以下方程: 在哪里k点近似和部分波段在一定的分解级别J_k子带系数维度吗N_k米_k。纹理映射生成得到的空间变化和能量方差之间的关系通过结合系数最低的矩阵的部分波段(LL)能源如下考虑:

这个纹理映射是用于计算阈值特性和纹理细节保留最突出的优势。基于此阈值,所有部分波段除了用于嵌入水印数据。小波系数得到实数,其映射到二进制水印数据量化函数有关问(f)及其变异的定义如下: Δ= 2l在这l是分解级别。相同的常量值是加减,为确保数据完整性,跟踪关键是用来表示的系数符号变化和重复的系数。水印数据创建使用BCH纠错编码,确保数据的完整性。在实验中,有水印的数据进行由标题、一个心电图信号,医生的电子签名,和icd - 10诊断数据。研究人员能够嵌入最多22600位PSNR值为53.60连同MSSIM和UIQI令人鼓舞的数字。这是考虑到当代重大的改进方法,使本研究可逆的医学图像水印的主要贡献。

3.2.4。混合加密算法的水印技术医疗数据安全传输的远程医疗应用程序

Thakur et al。43]介绍了一种方法使用混合cryptographic-watermarking为远程医疗的应用方法。物流地图,最初用于建模动物种群,都已经被广泛地研究过了作为一个有效的加密工具,因为他们提供伪随机数和混沌行为。研究人员使用二维逻辑映射到加密有水印的宿主图像使安全传输/交流。

为了提高细微,作者结合三种变换域技术,即。、DCT和DWT,圣言,在主机的形象。水印图像进行DCT和圣言只奇异矩阵年代1。在第一步中,2^nd在主机上执行水平“哈尔”DWT图像导致近似图像(cA1)和系数矩阵。cA1进一步转换使用DCT和由此产生的矩阵是使单一化使用圣言(矩阵年代)。计算矩阵用于水印嵌入(基于增益系数α),逆DCT和DWT执行最后有水印的图像。逆合成DCT矩阵得到。(一)宿主图像大小为512×512读连续波_图像和图片有水印的大小(256×256)读WM_图像(b)利用DWT的二级DWT的封面(c)利用DCT将提供B(d)利用奇异值分解对B它提供了年代(e)图像的水印,利用DCT在WM_图像提供D(f)利用奇异值分解的D这将提供年代1(g)使用增益系数,将水印图像嵌入到封面;现在利用DWT的倒数,DCT的逆,逆的圣言与封面图片水印(h)使用私有密钥,加密应用于Wd_图像

该方法的加密和解密的时间和生存不同的攻击测试实验,以及所有参数和结果非常有前途的方法。数控、SSIM和PSNR值大于74.61,0.998,和0.900 dB,分别证明了该方法是一个高度安全的、健壮的远程医疗应用程序的方法。在一开始,大脑的磁共振图像大小512×512和身体的一部分的大小之间的颈部和腹部256×256是作为封面和水印图像,分别。

该算法使用MATLAB实现R2013a在64位机器上有一个core i5处理器和4 GB RAM。

3.2.5。小说健壮的可逆水印方案保护医学图像的真实性和完整性

2019年,刘等人。42)提出了一个保护医学图像内容篡改技术。的方法是基于一种改进的ROI, RONI-based可逆水印技术,确保这两个地区的完整性,避免了图像的空间分割。水印方案包括四个主要改进的建议。首先是slantlet小波变换- (SWT)和奇异值分解(圣)基于可逆水印方法提供水印鲁棒性保证了ROI和RONI无损恢复。第二代的水印是基于完整性和真实性的结合增加图像数据安全。

这包括医院的散列值标识数据的有效性和信息的篡改检测的图像和ROI。第三,一个分组的整数小波变换(IWT)和块截断编码(BTC)是用于篡改恢复数据的ROI编码提供了一个很好的恢复视觉质量和嵌入容量之间的妥协。最后,没有图像分割领域的空间和水印嵌入在减轻任何额外的安全风险的整体形象。

水印生成由一代真实性数据(医院标志的sha - 1哈希),篡改检测(sha - 1哈希的图像),篡改定位(ROI)基于CRC-16错误检查,和篡改恢复信息。水印嵌入使用SWT提供更好的空间和频率定位与DWT,因此更好的细微与鲁棒性的结果。添加一层圣言,用于选择重要的(从生成的奇异矩阵)值水印,增强水印的鲁棒性。

作者进行各种实验图像模式,包括200名医学图像和40 x光,CT、超声、眼底图像。所有的实验证明了高水平的细微平均PSNR值41.2995和SSIM 0.9607。方案的鲁棒性也值得称道的伯斯的实验的平均值为0.0476,0.9624和国立细胞科学中心。该计划时也表现得比空间域方法受到各种攻击。

3.2.6。螺旋可逆水印技术

2018年,美国拉克希和Ayyappan [44)提出了一个在自然中是可逆的数据隐藏方法在医学图像使用螺旋秩序。遍历的顺序是描绘在图16。是适合使用的图像本质上是机密的,病人数据是非常重要的医学图像中隐藏数据使用这种技术。在灰度图像,没有数据出现在该地区的背景,并隐藏数据,可以利用这个地区。嵌入的数据修改,利用直方图,并隐藏数据,应用螺旋秩序。

使用螺旋来隐藏数据(a):封面图像读取第一个隐藏的数据,然后使用螺旋秩序将它转换成一个向量的形式。隐藏的信息,位置确定。涉及四个阶段:从其他行,第一行最后一列的列,最后一行的行,第一列的列。技术的结果呈现在图17。

通过直方图(b)修改:计算相邻像素之间的区别。它将接近于零的密集。高潮将最发生差异的价值。在三种方式,像素改变取决于价值多少的区别是高于或低于高点。

(c)恢复信息:一些文本可以提取使用以下方程:

图像的像素的值最初重建使用以下方程:

(d)实验和结果:PSNR和MSE性能指标被应用于医学图像。检查图像之间的相似性,SSIM使用。改善的结果与该方法如下所示。

3.2.7。混合估计可逆水印

2018年,法蒂玛提议据混合可逆水印(44在医学图像的领域。它是一个四个步骤的过程,包含封面图片,处理图像,使用水印编码,最后使用水印解码。

(a)使用水印编码:打破了原始图像中包含四个阶段通过水印编码。图像作为输入,然后是进一步分为8×8的子块,每个块,使用四个阶段的代表。三种不同类型的预测是利用像素的期望值。3×3的窗口是用于垂直与平行的方向,以便初始位置的像素变化。在邻近的像素用于方差计算,结果,发现预测值。改善结果的质量,预测误差计算。

(b)利用滑动窗口四级表示:以两步的大小,通过图像窗口滑过。该中心像素值预测。投影的背景下将包括八个相邻像素的值。投影将通过使用八个相邻像素的值来计算方差。投影值范围内发现,取而代之的是中间一个像素的值。

(c)的图像使用四个阶段:分为8×8块的图像作为输入,在每个阶段,应用混合预测找出像素投影值。8相邻像素的值用于计算方差用于找出投影的价值。这个过程重复的块。编码和解码完成的阶段。

(d)混合投影:使用混合投影的原因是为了减少失真图像中由于发生可逆水印。在这里,是发现嵌入水印的位置。根据不同的方差邻近范围,使用三种类型的投影。投影是清廉的范围视为低范围的方差,10-40中程方差,方差和大于40高范围。投影是利用低范围的方差,中程的削减意味着投影是利用方差,地中海和投影是利用高方差的范围。方差的计算,意味着使用投影。方差的计算,削减意味着投影使用8相邻像素值。寻找投影值,值的均值分类利用。形象的窗口滑计算方差。变化的背景下投影方法的顺序排序改变编码和解码。 Variance is computed using the following equation:

在哪里习代表了相邻像素值µ代表的意思。定义投影中心的像素值,利用以下方程:

四个角落的窗口利用地中海投影。公里的总数是增加的值时的顺序排列。

(e)的错误预测:输入图像用于寻找图像的投影值。投影误差计算和图像原始版本之间的投影图像,当错误正在扩大,数据将被嵌入到图像。边缘设置的值的误差预测和取决于编码和解码的边缘是如何实现的。

(f)嵌入的过程:边缘值在于预测误差的范围。如果文本符合范围内,然后利用边缘值;否则,投影误差的值将被移动了。

(g)消息摘要算法5:数据的安全传输,MD5已经使用它生成一个128位的哈希值。这个值的散列表示十六进制数。此外,这个值将被转换成二进制形式使用LSB嵌入。安全的数据传输,这两个散列值应该匹配的提取和文本。

(h)提取:解码器用于恢复原始图像和数据嵌入。全文检索的数据,是很重要的散列值匹配提取数据和文本。原始图像恢复是通过添加错误的原始投影和投影的价值。

(我)实验结果:PSNR和嵌入的容量性能指标用于可逆水印。都是成反比的。更高的PSNR值意味着图像的质量是好的。一个医学图像大小为256×256。测试图像的完全恢复是很重要的。结果如表所示3。

3.2.8。可逆水印医疗视频

Faduao医疗视频和哈米德提出了可逆水印技术通过利用多项式变换方法(24]。多项式变换方法用于识别合适的水印。封面视频最初分散到关键帧,随后,这些帧粉碎成大量的组件选择适合水印的地区。

在选择个人视频的关键帧照片,他们的位置是坚持关键信息K。

多项式变换应用于选定的关键帧获取变形区域。后将纹理组件划分为8∗8块,水印位是插入k块 。

水印插入是由以下方程: 在哪里年代水印的强度。水印模块被用来构造有水印的纹理。原始结构部件和有水印的纹理相结合获得有水印的图像_。

类似的行动与逆逻辑是申请提取的水印。有水印的视频分为镜头。关键信息K(如之前提供)是用来确定个人镜头的关键帧的位置。多项式变换应用于瓦解有水印的框架到最好的地区:有水印的纹理。有水印的结构组件划分为8∗8块FB改变框架的块^∗(神奇动物^∗,FB^∗_k)。

利用计算新系数( )。如果 ,然后 位;别的, ,这种方式,构造水印。

两个优化从单个视频帧作为关键帧的使用超声心动图。512×512帧大小医疗视频而水印的大小是120×120。这些测试的至关重要的因素是选择实验和固定年代= 0.1这个特殊的技术。图18展示了示例框架的原始医学视频和两个水印,用于视觉例证。

PSNR和数控用于性能评估上述计划。射击1和2,PSNR结果60.1278 dB和60.4540 dB,分别,而对于数控结果获得相同的镜头都是1.0。因此,这种技术没有表现出任何明显的性能差异和实际之间有水印的视频。此外,它解决了水印容量问题。

的可靠性评估技术,有水印的框架受到三种不同的攻击:JPEG压缩、中值滤波和直方图均衡化。上面演示的技术比较表4。

4所示。结论

在当今的时代,数据的保护是至关重要的克服问题的回火、完整性和身份验证数据和所有权的权利。一个全面的调查提出了可逆水印技术的超声心动图。数字安全威胁的日益频谱要求一致的努力维护数据的完整性。错综复杂的矛盾的性能参数在数据隐藏和可逆水印很难提出一个全面的技术。这提供了大量的改进的空间在这个领域在远近的将来。

数据可用性

详细的结果不能被包括在本文中,由于这篇文章的长度将可在作者的网站验收/出版后的文章。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者萨贾德博士Shaukat贾马尔扩展他的感谢院长以来哈立德国王大学科研经费申请这项工作通过研究小组计划授予数量R.G.P. 1/234/41。