[发明专利]一种基于三维DFT的加密医学体数据检索方法

说明书

技术领域

本发明属于多媒体信号处理领域，涉及一种云环境下基于三维DFT、混沌(Logistic Map)和图像视觉特征的加密医学体数据检索技术，具体是一种基于三维DFT和Logistic Map的可抗常规与几何攻击的加密医学体数据检索方法。

背景技术

随着医疗成像设备和技术的发展，大量的医学图像如X光片、CT影像、MRI影像等投入临床医学。在临床医学中，医学图像成为医生确定病情和诊断疾病的重要工具,医生可以从医学图像库中找出与当前诊断图像相似的病例图像来做辅助诊断治疗，这就用到了图像检索技术。医学图像检索的研究对于临床医学具有重要的意义。目前，医院存储了大量的病人医学影像资料，形成了海量的医学图像数据库，如何帮助医生更加快速、准确的检索出目标医学图像，己成为亟待解决的问题。

目前，随着大数据的兴起和云计算的不断普及，医生利用互联网可以便捷的从医学图像库中找出与当前诊断图像相似的病例图像，从而对病人的病情进行辅助诊断，但通过互联网传输病人的医用图像时，可能会泄露病人的个人信息，为保护患者的个人隐私，使医学图像在传输过程中不被篡改，则需要对医学图像进行加密；另外，在云端存储医学图像时，为了在使用云服务时保护数据隐私，也需要对医学图像进行加密，并希望云计算能在密文域完成图像检索。因此，密文域下医学图像的检索方法就显得极为重要。

目前在医学图像检索研究领域，对于密文域医学图像的检索的研究较少，至于同时能有效抵抗常规攻击和几何攻击的三维密文域医学体数据的检索的研究更少。而三维体数据在医学图像中大量存在，如：CT、MRI图像都是由切片组成的体数据，因此研究如何对加密体数据检索意义重大。

总之，在云环境下，对密文域医学体数据进行检索，且加密体数据具有可抗旋转、缩放、平移、剪切等几何攻击的检索方法，目前尚属空白，未见公开报道。而在实际应用中，医学体数据常常同时受到常规攻击和几何攻击两种攻击。

发明内容

本发明的目的是提供一种云环境下基于三维DFT和Logistic Map的可抗几何攻击的加密医学体数据检索方法，将医学图像的视觉特征向量、加密技术和第三方的概念有机结合起来，有效地解决了医学图像应用中出现的抗击几何攻击和常规攻击问题，以保护医学图像的版权和病患信息的隐秘性。

本发明的原理是：首先对体数据在频域进行符号加密，然后对加密后的体数据进行全局3D-DFT变换，在3D-DFT变换系数中提取一个抗几何攻击和常规攻击的特征向量，将该特征向量作为图像检索的“关键字”。该特征向量与保存在云端的加密医学体数据的特征向量进行相似度匹配，返回相似度最高的前N幅图像作为检索结果。

为了实现上述目的，本发明是这样进行的：首先对体数据进行3D-DFT加密，对加密的医学体数据进行常规攻击以及几何攻击，提取被攻击后的加密医学体数据的特征向量，与未被攻击的加密医学体数据进行相似度计算。本发明所采用的方法包括医学体数据的频域加密、提取加密体数据的特征向量两大部分。

第一部分为医学体数据加密，其包括：

(1)对医学体数据F(i,j,k)进行全局3D-DFT变换，得到复数系数矩阵FD(i,j,k)；

(2)设定初始值x₀，应用Logistic Map生成一个混沌序列bl(j)；

(3)定义一个阈值符号函数Sign，将混沌序列bl(j)变成只含有1和-1的二值混沌序列，并将其构造成与体数据矩阵F(i,j,k)的三维大小一致的矩阵S(i,j,k)；

(4)将医学体数据的DFT复数系数矩阵FD(i,j,k)与二值矩阵S(i,j,k)点乘，得到L(i,j,k)；

(5)对L(i,j,k)进行3D-IDFT变换得到加密图像E(i,j,k)。

第二部分为提取加密医学体数据的特征向量，其包括：

(6)对加密的医学图像E(i,j,k)进行全局3D-DFT变换，获得复数系数矩阵ED(i,j,k)；

(7)选取系数矩阵ED(i,j,k)的前m×n×t个数，得到视觉特征向量矩阵EV(m,n,t)；

现对本发明的方法进行详细说明如下：

首先随机选择一个三维医学体数据作为原始医学数据，表示为：F＝{F(i,j,k)|F(i,j,k)∈R；1≤i≤M,1≤j≤N,1≤k≤T}。其中，F(i,j,k)分别表示原始医学体数据的像素灰度值。

第一部分：医学体数据的加密