基于超混沌的医学图像篡改定位零水印算法

doi:10.3778/j.issn.1002-8331.1510-0128

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (7): 115-120.DOI: 10.3778/j.issn.1002-8331.1510-0128

基于超混沌的医学图像篡改定位零水印算法

肖振久1，2，李南1，王永滨2，姜正涛2，陈虹1

1.辽宁工程技术大学软件学院，辽宁葫芦岛 125100
2.中国传媒大学计算机学院，北京 100024

出版日期:2017-04-01 发布日期:2017-04-01

Zero watermarking scheme for medical image temper location based on hyper-chaos encryption

XIAO Zhenjiu1, 2, LI Nan1, WANG Yongbin2, JIANG Zhengtao2, CHEN Hong1

1. Software College, Liaoning Technical University, Huludao, Liaoning 125100, China
2. School of Computer Science, Communication University of China, Beijing 100024, China

Online:2017-04-01 Published:2017-04-01

摘要/Abstract

摘要： 摘要：针对医学图像面临恶意篡改、信息窃取和泄露等安全问题，提出了一种基于超混沌的医学图像篡改定位零水印算法。首先将原始载体图像的最低有效位LSB（Least Singificant Bit）置零，然后将其分成互不重叠的子块，计算每块的均值，利用块中每个像素值与块均值的大小关系构造特征矩阵，最后利用Arnold置乱后的特征矩阵与超混沌加密的二值水印进行异或运算来构造零水印；另外，如果图像遭到篡改，通过计算差值图像，则能精确定位篡改位置及篡改形状。实验结果表明，该方案不仅具有较好的安全性，而且达到良好的篡改检测和定位效果。

关键词: 超混沌, 篡改检测, 零水印, 医学图像

Abstract: Medical image facing malicious tampering, information thefting and leaking, this paper proposes a hyper-chaos based zero watermarking scheme for image authentication and tamper detection. Firstly, original carrier image’s LSB plane should be initialized to zero. Secondly it is divided into non-overlapping blocks and calculating the mean value of each block, using the size relationship between each pixel of block and mean value of each block to construct the characteristic matrix. Finally, Arnold scrambled characteristics matrix and hyper-chaotic encrypted binary watermark are executed for XOR operation to construct a zero-watermark. In addition, if the image has been tampered, tampered area can be detected and localized accuracy by calculating the difference image. The experimental results show that the scheme not only has good security, but also achieves superior tamper detection and localization.

Key words: hyper-chaos encryption, tamper detection, zero watermarking, medical image

肖振久1，2，李南1，王永滨2，姜正涛2，陈虹1. 基于超混沌的医学图像篡改定位零水印算法[J]. 计算机工程与应用, 2017, 53(7): 115-120.

XIAO Zhenjiu1, 2, LI Nan1, WANG Yongbin2, JIANG Zhengtao2, CHEN Hong1. Zero watermarking scheme for medical image temper location based on hyper-chaos encryption[J]. Computer Engineering and Applications, 2017, 53(7): 115-120.

[1]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[2]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[3]	高爽，徐巧枝. 迁移学习方法在医学图像领域的应用综述[J]. 计算机工程与应用, 2021, 57(24): 39-50.
[4]	黎英. 迁移学习在医学图像分析中的应用研究综述[J]. 计算机工程与应用, 2021, 57(20): 42-52.
[5]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[6]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[7]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[8]	周涛，陆惠玲，霍兵强. 深度信念网络研究进展[J]. 计算机工程与应用, 2020, 56(9): 24-32.
[9]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[10]	朱淑芹，刘荣月，周冉冉，王文宏. 密钥动态选择机制的图像加密算法[J]. 计算机工程与应用, 2019, 55(9): 56-64.
[11]	王勇，方小强，王瑛. 超混沌系统和AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(8): 164-170.
[12]	鞠维欣1，赵希梅1，2，魏宾2，王国栋1. 深度学习模型GoogleNet-PNN对肝硬化的识别[J]. 计算机工程与应用, 2019, 55(5): 112-117.
[13]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[14]	席志红，侯彩燕，袁昆鹏. 基于残差网络的医学图像超分辨率重建[J]. 计算机工程与应用, 2019, 55(19): 191-197.
[15]	朱淑芹1，王文宏1，孙忠贵2. 对一种混沌图像加密算法的安全分析和改进[J]. 计算机工程与应用, 2019, 55(1): 115-122.

基于超混沌的医学图像篡改定位零水印算法

Zero watermarking scheme for medical image temper location based on hyper-chaos encryption

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics