多用途为医学图像水印算法

文摘

考虑到现有的医学图像水印算法,通常一个函数有一定的局限性,提出了一种多用途为医学图像水印算法。首先,医学图像分为noninterest感兴趣的区域(roi)和地区(RONIs)。然后,每个子块的认证水印产生的ROI是嵌入到相应的子块的映射。RONI可见水印嵌入,最后,水印信息和构造认证信息在每个子块的ROI是嵌入到相应的RONI子块。仿真结果表明,嵌入可见水印可以保护和促进医学图像管理。此外,该算法具有较强的鲁棒性和良好的视觉质量。它可以同时实现版权保护和内容认证和篡改定位能力也高。

1。介绍

在早期的图像水印算法,一个水印嵌入到原始图像提供版权保护(1]。然而,随着图像数字水印技术的进一步发展,研究人员发现,将一个水印嵌入到原始图像的版权保护和内容完整性认证不是很有效。它的应用有一定的局限性。

由于医学图像的特殊性,医学图像信息容易受到篡改、非法复制、病人隐私披露和其他信息在网络传输的安全问题。因此,有必要验证医学图像数据的真实性和完整性(2,3]。与普通图像相比,医学图像水印嵌入一些独特的要求:(1)由于医学图像的特殊性,形象的变化时,必须非常小的嵌入水印;特别是一些关键部件(如病变)不能被改变。(2)嵌入水印有严格的信息安全要求。特别是一些特殊病人的医疗记录被认为是国家和企业秘密,绝对不应该公布,所以非法提取水印应该不可行。(3)医疗记录提取水印应该完全和准确地在需要的时候;也就是说,嵌入的水印应该有一定的鲁棒性。

Zhang et al。4)提出了一个双重可逆水印算法和基于多尺度分解的篡改检测。该算法具有较高的篡改定位能力,但它不能提供版权保护。Berchtold et al。5]提议使用MSERs(最大稳定的极值区域)提取ROI来构建一个健壮的水印。虽然MSERs用于确保所选地区具有一定程度的鲁棒性,该方法不能完全找到确切的实质性地区强大的保护在医学图像。Arsalan et al。1提出了使用遗传编程(GP)算法来嵌入水印。算法通过GP算法找到一个合适的压缩方法,使得嵌入的水印不可见时,有一个稳定的对视觉质量的影响的嵌入量增加。

这项研究在6)提出了一个安全的多个基于离散小波变换(DWT)的水印方法,离散余弦变换(DCT)和奇异值分解(计算)。该方法可以承受各种各样的信号处理攻击,和技术选择目录攻击具有很好的鲁棒性。该算法主要是针对鲁棒性和没有认证内容的函数。同时,该算法是不可逆转的,这对医学图像是不允许的。抵抗几何攻击,研究[7)提出了一种健壮multiwatermarking算法适用于医学图像。该算法具有良好的性能的鲁棒性和抗几何攻击和常规攻击,尤其是在几何攻击。然而,该算法主要是针对鲁棒性攻击和没有内容认证功能。上述算法只能提供一个函数,用于版权保护和内容认证。

解决问题的有限的单一水印的功能,一些研究者提出将两个或两个以上的水印嵌入载体图像。你们(8)提出了一个双重功能基于版权保护和内容认证水印。算法的篡改定位精度高和良好的视觉质量,但其antiattack能力不强。基于ROI的医学图像水印和contourlet变换提出了9]。嵌入水印的算法在背景区域扩张和选择使用改进的区别更大能量的一部分高阶方向子带从医学图像的轮廓。身份验证水印嵌入使用方向子带系数之间的比较算法和8-neighbourhood的意思。提取的水印可以盲目,但篡改定位的准确性和鲁棒性不高。文献[10)提出了一种基于分数傅里叶变换的双重水印算法。该算法具有较高的定位精度和antiattack能力强,但是找到一个合适的水印嵌入方法是困难的。

在[11),提出了一种区域自适应双水印算法。首先,载体图像改变了整数小波变换(IWT),然后转换系数分为不同的区域。一个灰色图像嵌入鲁棒水印,和灰色的二进制图像水印嵌入脆弱水印。该算法不仅实现了多功能水印,而且提高了提取的水印的鲁棒性。

这项研究在12)提出了一种新的脆弱watermarking-based方案图像认证和医疗应用程序自动恢复。宿主图像分解成4×4块,应用奇异值分解中插入块圣言的痕迹图像的最低有效位(LSB)像素求出原始图像的变换。测试方案等不同的攻击类型的文本删除攻击,文本插入攻击和复制粘贴攻击。与先进的方法相比,该方案大大提高了篡改定位精度和self-recovered图像的峰值信噪比。

在[13IWT),载体图像转换;然后,鲁棒水印嵌入到低频子带,脆弱水印是嵌入在高频子带。该算法具有良好的性能在版权保护和内容认证。欢呼声et al。14)提出了一种新的双水印版权保护、数据安全性和内容认证。实验结果表明,该框架提供了高度的鲁棒性对单/双/三倍攻击;脆弱水印嵌入使得系统能够篡改检测和定位平均误比特率(BER)超过45%为所有信号处理/几何攻击。

在[15),损害识别和真实性是通过双水印隐藏到RONI医学图像的块。这些块选择的人类视觉系统(HVS)的特性和DWT的集成舒尔变换以及粒子群细菌觅食优化算法(PSBFO)。PSBFO的重点是选择阈值获取最优结果的细微和反攻击的鲁棒性。仿真结果进行不同类型的医学图像披露该方案展示了优良的透明性和鲁棒性信号和压缩攻击。这项研究在16)提出了一种基于双水印算法脆弱水印:扩散水印和认证水印。炒认证水印和扩散水印是任意两个LSB嵌入层通过一个随机序列由密钥控制。设计旨在提高脆弱水印的安全性,和统计结果和安全分析表明,该方案可以抵抗选择封面图片的攻击。

研究者提出的多功能水印算法主要包括嵌入不可见水印但不可见水印(17),因此大量有水印的医学图像分类是困难的为医院医学图像时只有无形的水印嵌入。水印的提取医学图像分类的一个特殊的水印系统每次需要太多的工作。在本文中,我们利用图像融合技术嵌入可见水印,相当于医学图像的签名。这表明医学图像的来源是官方和可以作为第一道保护和验证原始医学图像。

一个多功能数字水印版权保护和内容认证提出了而不是一个基于单一水印算法或semifragile水印(18),这对医学图像是不完美的,不能提供良好的版权保护和篡改定位。由于医学图像的特点,完全恢复ROI提取水印时是必要的。因此,一个可逆的ROI图像水印用来嵌入水印。因此,本文基于IWT三重水印算法,一般的差分扩展,图像融合进行了研究。

2。相关的理论

2.1。医学图像分割

ROI通常指本地区在医学图像像素和复杂的纹理,而RONI通常指连续的黑色区域。

边缘检测是最基本的治疗所有edge-based分割方法。拉普拉斯算符(19,20.)是一个二阶微分算子边缘方向和独立的线性和旋转不变。对于一个连续函数f(x,y),它的拉普拉斯算符表达式在位置(x,y)是

医学图像边缘检测后,可以使用水平集分割,由Osher首次引入和Sethian21]。的基本思想并不是直接作用于轮廓而设置n维等高线的(n+维)零电平的高维函数集。这个高维函数水平集函数 。在时间t,可以通过运动轮廓提取零电平设置 从微分方程。

例如,在二维情况下闭合曲线的水平集方法的观点C(t)在二维平面上的{φ= 0}零电平飞机表面的连续函数φ在三维空间中;也就是说, 在哪里t代表时间。花的偏导数时间双方以下方程:

为了解决这个方程,假定在表面的法线方向移动速度函数F(x,y): 在哪里n单位法向量: 在哪里是一个梯度二维平面;然后,

因此,

这个方程是水平集方程。最后,为了解决曲线演化的问题,解决方程(7),在初始条件

在方程(8),d(x,y)签署的距离函数,标志着从像素(最短的距离x,y)封闭曲线C(t)。这个标志是根据像素的位置决定的。如果像素以外的封闭曲线,然后是积极的迹象;否则,符号是负的。在任何时刻,曲线上的点的点集的距离函数值为0,即零电平设置。

最后,图像分割轮廓获得基于水平集函数的零电平设置表面。

原始图像(图1)是第一个受到拉普拉斯算子边缘检测(图2),然后我们获得一个更好的轮廓进行水平集分割(图3)。

2.2。图像融合

两幅图像具有不同类型的属性可以融合成一个图像通过图像融合(22]。三种图像融合技术可以利用:进行像素级融合、部件级融合和决策级融合。保留更多的信息从原来的两个图像进行像素级融合,其精度较高。因此,进行像素级融合是用来将可见水印嵌入载体图像。

是原始图像,可见水印。可见水印嵌入的融合图像的局部区域,可见水印图像F可以得到:

在方程(9),和乘法的因素我和W,在那里 。

的过程,消除了可见水印图像融合过程的逆上面所描述的那样,和载体图像我就是从图像中恢复过来F:

为了确保可见水印的可见性,当乘法因子选择,他们可以增加或减少尽可能获得更好的结果。

在本文中,使用灰度图像大小为512×512的原始图像(图4)和一个灰度图像的大小48×24用作可见水印(图5)。图片可见水印(图6可以通过嵌入)在图像的左上角区域相同的大小根据方程(9)。

3所示。算法设计

本文中的算法由三个模块组成:水印生成、水印嵌入、水印提取和篡改定位。

3.1。认证水印生成

奇异值(23的图像具有良好的稳定性,因此其奇异值不会大大改变图像时有点不安。因此,认证水印嵌入算法生成的提取奇异值的图像块。

每个子块ROI分段的拉普拉斯算子的边缘检测和水平集方法受到圣言;也就是说, 。

其规范如下: 在哪里是我th奇异值的子群 。方程(12)用于计算最大奇异值之间的比例和规范每个子块的 : 在哪里作为物流混乱的地图(24),的范围在(0,1),物流的范围地图内(−1)。我们选择吗 作为第二个关键扩大空间的关键。关键是最后 。采取作为初始值,实值混沌序列 4的长度是生成的。自生成序列的平均值为零,零选择阈值的二值化 ,在哪里 , ,和是一个符号函数,完成了认证水印生成过程。身份验证水印生成的每个子块的ROI由4比特表示二进制数。

3.2。水印嵌入

医学图像的水印嵌入过程如图7,包括可见水印嵌入、水印嵌入鲁棒水印嵌入,身份验证。首先,使用拉普拉斯算子边缘检测的医学图像分割和水平集和分为ROI我₁和RONI我₂。减少嵌入式边缘信息,提高算法的不可见性,分割图像校正,图像分为8×8块。子块在边界线纳入图像的ROI。在那之后,RONI可见水印嵌入我₂的图像融合算法。然后,鲁棒水印信息和认证水印信息生成的ROI我₁是嵌在RONI我₂与嵌入可见水印。最后,自我认证水印信息嵌入在ROI我₁完成水印信息的嵌入。

3.2.1之上。可见水印嵌入

RONI坐标设置我₂可见水印的嵌入位置(左上角(0,0)通常是选为嵌入的起始位置)。

可见水印信息主要包括医院标志图标,序列号的计算机断层扫描(CT)图像,考试科目的类型,和考试时间。检查时间由系统自动生成和其他信息包括在可见水印信息嵌入RONI我₂使用方程(9)。

3.2.2。鲁棒水印嵌入

步骤1。Arnold变换用于争夺的W需要嵌入水印信息,和炒图像转化为一维向量。步骤2。应用于两级IWT之后RONI的每个子块我₂(如图8)、四子带系数HL1 LH1, HL2, LH2由圣言。步骤3。每个子块的认证水印在ROI我₁是由计算和逻辑混乱的映射。步骤4。ROI子群之间的映射函数和RONI子群建立了基于关键KI1物流混沌映射。因为大部分地区医学CT图像ROI的嵌入空间RONI可能不够,如果认证水印的ROI子块RONI一对一嵌入在每个子块。因此,本文的子块RONI和ROI排序从左到右,从上到下,连续两个子块的ROI映射到每个子块RONI大块(图9)。地划分后的水印信息和集成的数量根据RONI子群,和认证水印映射到当前的子块RONI嵌入鲁棒水印。假设投资回报率之间的关系子块和RONI子块建立了一个逻辑混乱的地图,如图9。4比特二进制认证水印信息生成的两个子块在每个大型ROI是由XOR的子群,和4比特XOR生成的二进制信息被认为是身份验证水印生成的每个块RONI并嵌入到相应的子群。如果身份验证水印生成的ROI子块3是1011和认证水印生成的子块4是1001,然后验证水印信息嵌入在RONI子块4是0010。步骤5。新奇异值IWT系数是通过使用一个奇偶量化嵌入水印。第一个奇异值和剩余的对角矩阵的奇异值的每个子块HL1, LH1, HL2,和LH2 RONI的顺序,相比,嵌入一个水印。一个8位二进制水印可以嵌入使用HL1四个系数,LH1 HL2, LH2。当 是偶数, 当 是奇数, 在哪里是地板上的函数,水印信息,是嵌入调整系数,年代_ij是jth的奇异值我th子块, 。步骤6。RONI与水印信息是由逆奇异值分解和逆双层IWT,结合ROI我₁与水印图像鲁棒水印信息和认证水印信息。

3.2.3。认证水印嵌入

步骤1。ROI我₁是不重叠的划分为4×4块,每个子块的认证水印生成我₁通过计算和逻辑混乱的映射。步骤2。溢出的地图。使用不同扩张以来,嵌入信息将超越图像中的像素灰度值范围,和溢出地图标记。压缩溢出地图和认证水印是嵌入到相应的映射块通过广义差分扩张模式。在这个算法中,身份验证平滑块生成的水印嵌入到相应的平滑块基于广义差分扩展算法(25]。每个滑块与15位嵌入水印,在身份验证水印占据了4位,剩下的用于存储溢出地图信息和相关的辅助信息。步骤3。基于关键KI2映射函数的ROI我₁子群建立了物流混沌映射。其生成的水印认证信息块嵌入相应的映射块,和物流混沌映射的关键KI2保存水印信息提取和检测。步骤4。身份验证水印和其他信息嵌入到相应的子块的ROI我₁由不同膨胀生成一个新的ROI 。步骤5。最后有水印的医学图像是通过结合ROI和生成RONI 。

3.3。水印提取和篡改定位

水印提取的流程图,对本文有水印的医学图像篡改定位图所示10。具体步骤如下。

3.3.1。水印的提取

水印的提取主要是提取鲁棒水印信息,并可见水印提取不需要。具体操作如下:步骤1。根据鲁棒水印嵌入的方法,有水印的医学图像分割的拉普拉斯算子的边缘检测和水平集方法。步骤2。分割图像分为8×8块。子块在边界线纳入图像ROI,和图像分为ROI我₁和RONI我₂。步骤3。两层IWT后应用于RONI的每个子块我₂HL1的四个系数,LH1 HL2, LH2变换是由获得的圣言。步骤4。删除第一个值的对角矩阵判断和提取水印。如果该值的 接近一个偶数,那么0提取水印信息;如果该值接近一个奇数,然后1提取水印信息。每个子块中的水印信息提取的方法。步骤5。身份验证水印加入水印信息被删除,然后恢复原来的鲁棒水印的阿诺德逆变换。

3.3.2。篡改定位

医学图像需要真实,完整,图像和任何变化不会导致图像失真,特别是ROI的形象。因此,应该验证水印图像,以确定是否被篡改:步骤1。使用拉普拉斯算子边缘检测的医学图像分割和水平集和分为ROI我₁和RONI我₂。步骤2。RONI我₂分为不重叠的子块的大小8×8。身份验证水印鲁棒水印信息在每一子块中包含由上面的水印提取算法提取。步骤3。ROI我₁分为4×4不重叠的子群;每一块操作的逆将军不同扩张,和认证水印隐藏在子块。步骤4。身份验证水印信息提取每个子块的ROI我₁,每个子块的特征水印生成的计算和逻辑映射。步骤5。基于关键KI2,相应的每个小块映射子块的ROI我₁发现的逻辑映射,水印的特性是与身份验证水印提取子块的映射。如果两个子群认证水印的值是相等的,那么水印不被篡改;否则,水印被篡改,破坏地区需要的位置。步骤6。ROI我₁是划分为8×8不重叠的街区。RONI的对应子块我₂的投资回报率我₁子群发现基于关键KI1通过物流混沌映射。RONI在本文中,每个子块和ROI是按照顺序从左到右和从上到下,分别连续两个子块的ROI是映射到每个子块RONI大块。没有被篡改的ROI,根据步骤5,认证水印提取子块并与相应的认证水印隐藏在每一子块RONI我₂。如果值相等,那么水印没有被篡改;否则,水印被篡改,破坏地区需要的位置。

4所示。实验结果和分析

在这个实验中,标准的头骨,纵隔,和肝脏的大小是512×512和8位灰度随机选择的原始医学图像。所有图片来自苏州大学附属医院的数据中心。由于有限的空间,本文以三张图片为例,如图11。可见水印嵌入由医学图像识别和基本信息,病人和鲁棒水印由基本信息和诊断信息(图12)。实验侧重于算法的可逆性,有水印的图像的视觉质量,篡改检测的准确性,区域定位的准确性。本文所有的实验都是基于MATLAB R2012b Windows XP操作系统。图像融合理论被用来嵌入可见水印,相当于添加数字签名载体图像。只有数字签名的基础上(可见水印)可以接收方提取隐形水印利用的关键。因此,本文实验结果的分析是基于医学图像与可见水印载体图像。

当有水印的医学图像不是攻击或篡改,ROI恢复通过提取使用水印的认证水印嵌入在ROI提取算法是完全一样的原始的ROI。也就是说,我₁(x,y)−(x,y)= 0。(x,y)表示图像像素在图像的位置,我₁代表水印嵌入前的ROI,代表了ROI中恢复过来。因此,验证算法的可逆性。

在本文中,医学图像的可见水印,如图13,用作载体图像,和基本的信息,比如二进制图像如图12 (b),被选中作为水印信息。图14显示了水印嵌入和提取的实验结果没有攻击。通过肉眼观察、图像失真不能感知。摘要峰值信噪比(PSNR)和结构相似度(SSIM)作为嵌入失真的措施,和归一化相关(NC)作为衡量水印的鲁棒性。数据(14日)- - - - - -14 (c)显示有水印的图片(包括嵌入鲁棒水印和认证水印)获得通过该算法的PSNR值37.5 dB, 38.57 dB,和36.21 dB和SSIM值是0.985,0.987和0.982,表明该算法具有较低的失真和良好的视觉质量。细节如表所示1。数据14 (d)- - - - - -14 (f)显示三个水印图像提取算法的数控值都是1,表明该算法可以提取水印完全没有被攻击或篡改。

形式表1与算法相比,在1,14,26),该算法更高的视觉质量比(14,26),但略低于[1]。这个算法的视觉质量略低于[1]。主要原因是鲁棒水印和认证水印嵌入算法,而只有一个水印嵌入算法(1]。鲁棒水印和认证水印嵌入算法,算法在14,26),但该算法生成的PSNR和SSIM值明显高于那些生成的算法(14,26]。

当使用该算法嵌入的水印RONI,不仅是鲁棒水印嵌入认证水印嵌入,使嵌入容量略大。RONI在医学图像平滑,所以阻止文物嵌入后很容易造成太多的信息,导致图像质量下降。的PSNR值三个有水印的嵌入鲁棒水印后图像RONI只有40.55 dB, 41.61 dB, 39.73 dB。视觉质量展览没有什么差别相比,当嵌入鲁棒水印和RONI认证水印。改善篡改定位的准确性,减少视觉质量是值得的。

自可见水印是肉眼可见的,攻击一个可见水印可能消除剪切攻击或攻击。自从不可见水印(鲁棒水印和认证水印)是人眼不可见,攻击可能是JPEG压缩攻击,噪声攻击,一个旋转攻击,等。在这篇文章中,一个健壮的水印嵌入到RONI版权保护和没有对医学诊断的影响。各种各样的攻击是应用于三个可见水印图像如图13后嵌入鲁棒水印图所示12 (b)比较鲁棒性(如表所示2)。许多类型的攻击都包含在本文。验证antiattack健壮性,使用实验数据从其他研究作为参考是必要的。因为每篇论文的重点是不同的,它所包含的实验数据可能不够;因此,本文利用的数据(14,26- - - - - -28)进行比较。

实验结果表2表明,该算法比其他算法具有较高的鲁棒性(14,26- - - - - -28]。“——”表2表明,相应的实验没有进行测量。IWT收集能量,有着优秀的影响是非常健壮的反对声音,过滤和其他删除攻击。通过使用两层IWT的图像来获取更多的集中精力,可以有效地提高鲁棒性。此外,图像奇异值具有良好的稳定性,尤其强劲旋转攻击。本文选择的数控价值其他算法有更好的抗攻击的数控价值整体其他算法,但是,总的来说,该算法具有较高的鲁棒性攻击高隐身的基础。

与其它算法相比在14,26- - - - - -28),本文的算法不太健壮一些攻击,主要是因为其他算法是由多个算法,和一些算法更健壮的某些攻击。尽管在某些攻击,该算法的鲁棒性是低于一些算法(14,26- - - - - -28];总的来说,本文算法的antiattack能力强于任何算法(14,26- - - - - -28]。

摘要健壮和认证水印嵌入到载体图像(如图相同13)。因此,不仅影响的各种攻击的鲁棒性的影响,还应考虑嵌入式身份验证水印的鲁棒性。在表3,只有一个健壮的水印嵌入算法1,和一个健壮的身份验证水印嵌入和水印和认证算法2。

有水印的图像(图(15日))是篡改,被篡改图像如图15 (b)。被篡改图像篡改检测。检测结果如图15 (c),破坏区域的位置标记为白色。图15 (d)显示的位置矩阵位于干扰区域。破坏区域的位置标记为白色,和其他领域的位置标记为黑色。

同样,肝脏与嵌入式图像认证水印是篡改实验,如图16 (b)。篡改检测效果如图16 (c),破坏区域的位置标记为白色。该算法能够准确地定位被篡改区域。

水印嵌入方法是一个重要的步骤来确定整个数字水印系统的鲁棒性和透明性。一个好的算法不仅保证鲁棒性,而且可以改善图像水印的准确性。

篡改检测的精度计算由以下两个方面:(1)阳性检出率(TPR),这是正确的数量的比率检测篡改块所有篡改块的总数,和(2)负检出率(TNR),这是不准确的数量的比率检测篡改块被篡改块的总数。

图像篡改定位精度可以解释为阳性检出率和消极的检出率。一个或多个像素的像素值的大小16×16块秘密图像是随机选择的。图(17日)显示后的阳性检出率的意思是40实验;图17 (b)显示负检出率的平均值后40实验。

从图(17日),我们可以知道,破坏模块的增加,两种方法的阳性检出率呈下降的趋势;然而,这种方法显然比(26];图17 (b)表明被篡改块增长导致消极的检出率,显示上升趋势。该方法相对缓慢上升的方法(26]。当然,如果分解块篡改导致信息错误,消极的检出率将大幅上升。基于曲线的综合分析数据在图17相比之下,的方法26),该方法的篡改定位精度可以增加了将近3%。

5。结论

因为限制单个功能的现有的医学图像水印算法,提出了一种多用途为医学图像水印算法。理论分析和实验结果表明,该算法具有良好的不可见性。此外,多个水印算法达到多个保护原始医学图像为代价最小的水印的鲁棒性。ROI特征在医学图像用作身份验证水印提高篡改的敏感性。同时,生成的功能验证水印嵌入不仅在医学图像RONI也在相应的ROI的其他映射块,可有效抵抗拼贴攻击和平均值的攻击,提高了篡改定位能力,提高定位精度。

图像融合理论用于嵌入可见水印,相当于添加数字签名载体图像。只有当数字签名(可见水印)存在可以接收方提取隐形水印利用的关键。因此,多个水印算法非常适用于版权保护和宣言的重要或敏感数据。

数据可用性

内的所有相关数据。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了国家统计科学研究项目(2018改善ly12)。

引用

1. m . Arsalan a·s·库雷希a .汗和m . Rajarajan”保护医学图像和病人在医疗保健相关信息:使用一个聪明的和可逆水印技术,”应用软计算,51卷,第179 - 168页,2017年。视图:出版商的网站|谷歌学术搜索
2. p·辛格和阿加瓦尔,”一个高效的脆弱水印方案与基于动态域选择多级篡改检测和恢复,”多媒体工具和应用程序,卷75,不。14日,第8194 - 8165页,2016年。视图:出版商的网站|谷歌学术搜索
3. n . a . Memon和a . Alzahrani Prediction-based可逆水印的CT扫描图像内容认证和版权保护,”IEEE访问,8卷,第75462 - 75448页,2020年。视图:出版商的网站|谷歌学术搜索
4. 张z l . Wu h .赖et al .,“双可逆水印图像篡改检测算法,”信息隐藏和多媒体信号处理杂志》上,7卷,不。3、530 - 542年,2016页。视图:谷歌学术搜索
5. w·Berchtold m·谢弗,s . Wombacher和m . Steinebach”质量指标2 d纹理在3 d对象,“电子成像,卷2016,不。8、1 - 6,2016页。视图:出版商的网站|谷歌学术搜索
6. a·k·辛格·m·戴夫,a·莫汉”混合动力技术,健壮和多个使用医学图像水印,听不清”多媒体工具和应用程序,卷75,不。14日,第8401 - 8381页,2016年。视图:出版商的网站|谷歌学术搜索
7. j·j·j . Liu Li, n . Sadiq,巴蒂,和y Ai,”一个健壮的multi-watermarking医学图像算法基于DTCWT-DCT和henon地图,”应用科学,9卷,不。4、700 - 722年,2019页。视图:出版商的网站|谷歌学术搜索
8. t .你们”,与双重目的self-embedding图像水印方案,”Photonica学报第41卷。。7,859 - 866年,2012页。视图:出版商的网站|谷歌学术搜索
9. l . w . Li高,x香港et al .,“医学图像的盲水印算法使用ROI和contourlet,”哈尔滨工程大学学报,34卷,不。7,918 - 923年,2013页。视图:谷歌学术搜索
10. l l。唐、黄c t . js。锅,彭译葶。刘:“双水印算法基于分数傅里叶变换,“多媒体工具和应用程序,卷74,不。12日,第4413 - 4397页,2013年。视图:出版商的网站|谷歌学术搜索
11. h·史,M.-C。李、郭c r . Tan,”一个region-adaptive嵌入了双重水印方案,“多媒体工具和应用程序,卷75,不。1,第495 - 465页,2016。视图:出版商的网站|谷歌学术搜索
12. a . Shehab m . Elhoseny k·穆罕默德et al .,“安全、健壮的医学图像脆弱水印方案,“IEEE访问》第六卷,第10278 - 10269页,2018年。视图:出版商的网站|谷歌学术搜索
13. Lei, x赵,h . et al .,“多功能水印方案通过智能方法和混乱的地图,“多媒体工具和应用程序,卷78,不。19日,27085 - 27107年,2017页。视图:出版商的网站|谷歌学术搜索
14. n . n .欢呼,s a Parah: a .贷款,j·a·谢赫·m·Elhoseny和k·默罕默德,“双重水印隐私保护的框架和内容认证的多媒体,”未来一代计算机系统,卷94,不。5,654 - 673年,2019页。视图:出版商的网站|谷歌学术搜索
15. k . Swaraja k·米纳克希,k . Padmavathi”一个优化盲双重医学图像篡改定位和内容认证水印框架获得远程医疗,”生物医学信号处理和控制卷,55 ID 101665条,2019年。视图:出版商的网站|谷歌学术搜索
16. f . x锣,l . Chen Yu赵x,和王,“一个安全的基于双脆弱水印的图像认证方案,“多媒体工具和应用程序,卷79,不。25日至26日,第18088 - 18071页,2020年。视图:出版商的网站|谷歌学术搜索
17. r . Thanki s Borra已经受理诉et al .,“基于RONI可见医学图像认证水印方法,”医疗系统杂志第41卷。。9日,第153 - 143页,2017年。视图:出版商的网站|谷歌学术搜索
18. 冯,x, y杰,c .郭和h .傅”小说嵌入数字水印方案炒图像认证和恢复,”移动网络和应用程序,25卷,不。1,第94 - 82页,2020。视图:出版商的网站|谷歌学术搜索
19. z羌族,l .他陈x, y . Chen和d .徐”自适应快速局部拉普拉斯算子过滤器及其edge-aware应用程序中,“多媒体工具和应用程序,卷78,不。1,第639 - 619页,2019。视图:出版商的网站|谷歌学术搜索
20. p .风扇R.-G。周、w·w·胡和n,“量子图像边缘提取基于拉普拉斯算符和零交叉方法,”量子信息处理,18卷,不。1,1,2019页。视图:出版商的网站|谷歌学术搜索
21. Osher和j . Sethian”方面与曲率依赖传播速度:算法基于哈密顿雅可比配方,”计算物理学杂志,卷79,不。1,12-49,1998页。视图:出版商的网站|谷歌学术搜索
22. f .张、张x和d .商”基于卡尔曼滤波的数字水印算法和图像融合,“神经计算和应用,21卷,不。6,1149 - 1157年,2012页。视图:出版商的网站|谷歌学术搜索
23. p . Pandey, s·库马尔和s . k .辛格“合法的所有权通过图像自适应DWT-SVD水印算法和知觉调整,”多媒体工具和应用程序,卷72,不。1,第748 - 723页,2014。视图:出版商的网站|谷歌学术搜索
24. Yadav和y辛格,”基于随机匆忙和混乱的图像加密逻辑地图,”国际期刊的网格和效用计算,9卷,不。3、228 - 234年,2018页。视图:出版商的网站|谷歌学术搜索
25. y z, l . Wu燕et al .,“适应性可逆图像水印算法基于德,”KSII交易网络和信息系统,11卷,不。3、1761 - 1784年,2017页。视图:出版商的网站|谷歌学术搜索
26. p·辛格和阿加瓦尔,”一个自我恢复的双重水印方案的版权保护和完整性验证,”多媒体工具和应用程序,卷76,不。5,6389 - 6428年,2017页。视图:出版商的网站|谷歌学术搜索
27. K.-C。崔和C.-M。双关,“健壮的无损数字水印使用整数与位平面变换操作,“多媒体工具和应用程序,卷75,不。11日,第6645 - 6621页,2016年。视图:出版商的网站|谷歌学术搜索
28. r . Thanki和美国Borra脆弱水印版权认证和篡改检测的医学图像使用基于压缩感知(CS)的加密和contourlet域处理,”多媒体工具和应用程序,卷78,不。10日,13905 - 13924年,2019页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020 Shaozhang肖等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。