[发明专利]一种基于SLT-SVD的医学影像的可逆还原方法

说明书

本发明公开了一种基于SLT‑SVD的医学影像的可逆还原方法，本方案将整幅原始医学影像从空间域变换到频率域，以嵌入水印信息，水印信息的嵌入不区分ROI和RONI，避免RONI被替换后水印信息的完全丢失，从而实现对从网络分享得到的可疑医学影像进行真实性和完整性鉴别。真实性鉴别对具有版权保护的医学影像进行来源认证，确保可疑医学影像来源的正确性；完整性鉴别通过对可疑医学影像进行篡改检测、定位和修复，来确保医学影像在网络传输过程中没有任何失真。而且该方案实现医学影像的可逆还原无需引入大量的辅助信息并且不需要记住ROI和RONI划分的位置信息，减小了信息传输的带宽、降低安全隐患。

技术领域

本发明属于数字水印领域，具体涉及一种基于SLT-SVD的医学影像的可逆还原方法。

背景技术

随着互联网医疗的发展，越来越多敏感和私密的医学影像会通过开放性、交互性的网络进行传输。这些医学影像在方便地进行共享的同时，也面临着新的安全性挑战。一方面，在网络中传递的医学影像可能由于网络的不稳定性会遭受到一些无意地修改；另一方面，非法者可以轻易地截取并有意地篡改医疗信息。这些对医学影像无意和有意地修改都可能会导致医疗误诊，造成医疗事故，危害病人的健康甚至生命。因此，如何鉴别医学影像内容的完整性，确保医学影像内容没有被修改非常重要。

目前，医学影像的完整性鉴别可以分为三个不同的级别：第一级别的完整性鉴别方法只能实现篡改检测，无法实现篡改定位与修复；第二级别的完整性鉴别方法在实现篡改检测的同时也能实现篡改定位，但是依旧不同实现篡改修复；第三级别的完整性鉴别方法不仅能实现篡改检测和篡改定位，而且也能在一定程度上修复篡改区域，相比于前两个级别的完整性鉴别方法，第三级别的完整性鉴别方法具有更好的实用性，是医学影像内容完整性鉴别算法的研究热点。

Tareef等人首先将医学影像分为ROI和RONI，再对RONI做SVD变换，最后将稀疏编码后的ROI和EPR嵌入到SVD变换后的奇异值矩阵上，进而实现医学影像的完整性鉴别(载于Engineering in MedicineBiology Society，2014年)。该算法虽然具有较好的鲁棒性，但是无法对医学影像进行可逆还原，从而在一定程度上影响医学影响的医学价值。对此，TA等人提出了一种无损的医学影像完整性鉴别方法。该算法首先将医学影像分为ROI和RONI，再将ROI区域分块来实现篡改定位，同时将篡改检测信息和篡改修复信息嵌入到ROI区域像素的LSB上，最后将原始图像的所有LSB使用游程长度压缩算法(RLE)进行压缩，进而嵌入到RONI区域的最低2位，以此来满足医学影像的可逆还原(载于IEEE InternationalConference on Communication，2012)。虽然该算法实现了对医学影像可逆还原，但是该算法是脆弱的，一旦受到攻击就无法提取出水印信息，并且只能ROI区域能够可逆还原。Thabit等人提出了一种基于分块的医学影像水印算法。该算法首先将医学影像分为ROI和RONI，再对ROI和RONI进行分块并进行SLT变换，将病人嵌入到ROI区域，将篡改检测信息、篡改定位信息和篡改修复信息嵌入到RONI区域，最后实现医学影像内容的完整性鉴别(载于Multimedia ToolsApplications，2017)。该算法虽然实现了医学影像的可逆还原并且具有较好的鲁棒性，但是实现可逆还原需要大量的辅助信息并且依旧只能ROI区域能够可逆还原。

总之，以上完整性鉴别算法存在以下问题：1)无法可逆还原RONI，导致RONI失真，对医学影像的医学价值造成负面影响；2)由于在嵌入水印的过程中在空间上将医学影像分为了ROI与RONI，在攻击环境下就会存在ROI与RONI划分的准确性问题，为了解决这个问题就需要记住ROI与RONI划分时的位置信息，从而引入了大量的辅助信息，增加了信息的传输带宽以及安全隐患；3)由于ROI与RONI是在空间上划分的，RONI很容易被替换，导致嵌入在RONI的基于ROI生成的篡改检测信息、篡改定位信息以及篡改修复信息完全丢失，进而无法进行完整性鉴别；4)算法无法同时满足鲁棒性、可逆性以及无需携带大量辅助信息的要求，算法的实用性较差。