基于FDCuT-DCT的医学图像水印算法及其在不同攻击下的鲁棒性分析

工程科学与技术，国际期刊20（2017）1366完整文章一种基于FDCuT-DCT的医学图像水印算法Rohit Thankia，Mr. Su，Surekha Borrab，Vedvyas Dwivedia，Komal Borisagarca技术与工程学院，C. 联合Shah University，Wadhwan City，印度b欧洲经委会部，K。S.印度班加罗尔理工学院c印度拉杰果德阿特米亚技术和科学研究所欧洲经委会系。阿提奇莱因福奥文章历史记录：2017年3月23日收到2017年6月16日修订2017年6月19日接受2017年7月1日上线保留字：盲水印快速离散曲波变换（FDCuT）医学图像安全稳健性远程医疗高斯白噪声A B S T R A C T提出了一种基于快速离散曲波变换（FDCuT）和离散余弦变换（DCT）的医学图像盲水印算法。将FDCuT应用于医学图像，得到其曲波分解的不同频率系数。对医学图像的高频曲波系数进行分块DCT变换，得到不同的频率系数。然后根据水印比特数用高斯白噪声序列对医学图像的中频系数进行修正，得到含水印的医学图像。在提取端，利用WGN序列的相关性实现水印数据的盲恢复.所提出的计划是测试其有效性的各种类型的医学图像，如X射线，超声（US），磁共振成像（MRI）和计算机断层扫描（CT）。结果分析表明，对于所有类型的医学图像，当PSNR均在45dB以上时，水印医学图像的不可感知性此外，该计划的鲁棒性优于现有的计划，为类似的一组医学图像的归一化相关性（NC）。实验结果表明，该方案对几何攻击、信号处理攻击和JPEG压缩攻击具有较好的鲁棒性。分析也进行了验证所提出的计划，以支持不同的细节，它的二进制水印的性能：文本和徽标。此外，该方案在100幅无水印图像上测试时，假阳性率为零.©2017 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍在过去的几年里，病人的医疗信息从一个医生转移到另一个医生，以获得更好的健康解决方案和治疗。通过传输介质传输医疗信息被称为远程医疗。美国远程医疗协会（ATA）将远程医疗定义为远程医疗应用包括紧急治疗、家庭监护、军事应用和医学教育[2]。当医学图像在通过任何开放访问网络传输期间被某人破坏或修改时，它会导致诊断偏差，这可能会对任何个人造成严重的健康问题。因此，医学图像的安全性是必要的。*通讯作者。电子邮件地址：rohitthanki9@gmail.com（R.Thanki）。由Karabuk大学负责进行同行审查这些医学图像在传输到互联网和另一传输/存储介质时会被各种操作破坏或修改。医学图像的安全有多种方法和技术。数字水印技术是解决医学图像安全问题的方法之一。提出了一种用于医学图像版权保护的鲁棒性和安全性混合水印技术。在过去的七年中，研究人员提出了各种各样的数字水印技术来保护医学图像的1.1. 相关工作Thakkar等人[3]提出了基于小波变换和分块奇异值分解的医学图像盲水印技术。在该技术中，水印标识和电子病历（EPR）数据被嵌入到宿主医学图像的小波子带的奇异值。该技术提供了对所有可能的水印攻击的鲁棒性。 该技术的局限性在于它只适用于医学图像的感兴趣区域（ROI）。Nagpal等人[4]提出了基于小波变换、神经网络和Rivest-Shamir- Adleman（RSA）加密的鲁棒水印技术http://dx.doi.org/10.1016/j.jestch.2017.06.0012215-0986/©2017 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchR. Thanki等人/工程科学与技术，国际期刊20（2017）13661367用于医学图像的安全性。该技术首先对水印图像进行RSA加密，得到置乱的安全水印图像，然后利用人工神经网络（ANN）方法将水印图像嵌入到宿主医学图像的小波子带中。Kishore等人[5]对各种医学图像水印技术进行了综述，并对三种医学图像水印技术进行了比较，如RSA-离散小波变换（DWT）、DWT-人工神经网络（ANN）和DWT-SVD。比较结果表明，基于DWT-SVD的方法性能优于其他两种方法。Mahmood[6]提出了一种用于保护医学图像的自适应和不可逆水印技术。在该技术中，将宿主医学图像分成块后，使用分割图方法找到背景区域然后计算每个块的熵，并选择少量熵值低的块进行嵌入。对宿主医学图像的这些块进行DCT变换，并利用LSB方法或差分扩展方法将水印数据插入到块的DCT系数中该方法对带水印的医学图像具有较低的不可感知性.Singh等人[7]提出了两种基于DWT、SVD和密码学的鲁棒水印技术，用于医学图像的安全性。在该技术中，作者使用了三种不同的纠错码 来 编 码 水 印 数 据 。 它 们 是 ： Hamming ， Bose-Chaudhuri-Hocquenghem（BCH）码和Reed-Solomon码。在基于小波变换的技术中，将编码后的水印数据分别嵌入到医学图像的小波系数中，在基于奇异值分解的技术中，将水印数据嵌入到医学图像的奇异值中。作者认为基于Reed-Solomon编码的水印数据性能优于其他两种纠错码。Venkatram等人[8]提出了基于二维提升小波变换（LWT）和奇异值分解（SVD）的医学图像水印技术。该方法首先对宿主医学图像进行LWT，得到所有小波子带;然后对所有小波子带进行奇异值分解，得到每个子带的奇异值，并根据水印比特数对奇异值进行修正，从而得到含水印的医学图像。该技术的局限性在于它没有对宿主医学图像或水印图像使用任何安全方法。Rathi等人[9]提出了一种基于非感兴趣区域（RONI）和LWT的医学图像水印技术。该技术是Venkatram技术的改进版本。该方法首先提取医学图像的RONI，然后对其进行LWT变换得到小波系数。然后利用一个密钥将多个水印数据嵌入到小波系数Kumar等人[10]提出了一种基于扩展频谱的医学，小波域中的一种实用图像水印技术。该技术在水印比特为零时，将两个PN序列分别插入到医学图像的水平和垂直小波系数中。 为了提取水印比特，执行PN序列之间的相关。基于相关结果，设置水印比特值。Mostafa等人[11]提出了一种基于离散小波包变换和密码学的水印技术，用于保护EPR信息和医学图像。在该技术中，EPR数据使用BCH码进行编码。首先对宿主医学图像进行离散小波变换，得到小波子带;然后选择两个小波子带嵌入编码后的EPR数据。将这两个小波子带分块，每个分块按水印比特进行修改。在这种技术中，每个块都嵌入一个比特。Huang等人[12]已经描述了基于DCT的医学图像水印。Kendy等人[13]提出了一种空间域医学图像水印技术。该技术首先对宿主医学图像的第7位应用哈希函数，然后与医生的诊断信息进行异或运算，生成水印信息。该水印信息被插入到主机医学图像生成水印医学图像。Dey等人[14]提出了一种基于ROI和RONI的Canny边缘检测的医学图像盲水印技术。然后将水印嵌入到医学图像的边缘，得到含水印的医学图像。Jorge等人[15]已经描述了一种使用奇偶移位方法和差分方法的用于彩色医学图像保护的水印技术。该方法对宿主医学图像的R通道采用奇偶移位的方法进行修改，而对B通道则根据水印位数采用差分的方法进行修改。该技术没有对水印数据或宿主医学图像使用任何安全方法。Dey等人[16，17]提出了一种使用三种图像处理变换（如DCT、DWT和SVD）的混合医学水印技术。作者提出了对心电信号和超声视频的保护技术。在该技术中，首先将2D DWT应用于宿主医学数据以获得宿主医学数据的LL、LH、HL和HH子带。对HH子带进行DCT变换，然后对DCT系数进行奇异值分解，得到宿主医学数据的奇异值。该技术利用水印图像经过DWT和DCT变换后的HH子带的奇异值对宿主医学数据的奇异值进行修正，也没有使用任何安全机制对医学数据进行加密。Dey等人[18]描述了用于保护生物医学信号的基于小波变换和伪噪声序列的水印技术。该技术根据水印比特的不同，用3个PN序列分别修改小波系数的水平、垂直和对角细节。Chakraborty等人[19]提出了基于粒子群优化的医疗信息隐藏。该技术是Dey技术的修改版本[18]，旨在实现更好的不可感知性。Biswas等人[20]提出了一种基于模糊逻辑和Harris角点检测的医学图像可见水印技术。Acharjee等人[21]第21话生物医学视频的安全水印。在该技术中，首先使用运动矢量估计找到宿主医学视频的运动矢量用于水印嵌入。然后根据选定的宿主医学视频帧的运动矢量大小对水印数据进行重采样最后，水印数据被嵌入到主机医疗视频帧使用位移位操作。对医学视频的所有帧重复该过程以生成带水印的医学视频。Nyeem等人[22]给出了有效医学图像水印的要求和设计参数。Singh等人[23，24]提出了用于医学图像保护的混合水印技术。这些技术是通过离散小波变换、奇异值分解和扩频方法设计的。提出了两种利用伪随机序列的相关特性实现盲提取的方法。第一种方法根据水印比特数，用两个PN序列分别对宿主图像的水平和垂直小波子带进行修正;第二种方法根据水印比特数，用两个PN序列分别为了保证水印数据的安全性，作者采用了BCH加密方法Eswaraiah等人[25]描述了用于医学图像篡改的基于ROI的水印。该技术首先找到宿主医学图像的ROI，然后将该ROI转换成不重叠的块。然后，水印比特嵌入到宿主医学图像的不重叠块使用LSB的方法。Rohit等人[26]提出了Curvelet变换和CS理论基于水印的多生物特征图像安全保护。该技术利用DCT变换和压缩感知理论生成水印生物特征图像，根据图像的稀疏性度量对宿主生物特征图像的高频曲波系数进行修正。Bazargani等人[27]比较了小波、contourlet和cur中的鲁棒水印技术1368R. Thanki等人/工程科学与技术，国际期刊20（2017）1366×2×≤你好，j;l;kvelet域标准的图像保护。Xu等人[28]提出了一种基于快速离散曲波变换的水印技术，用于标准图像保护。在该技术中，二值水印数据被嵌入到宿主图像的低频曲波系数中。Zhang等人[29]提出了第一个基于曲波变换的版权保护水印技术。在该技术中，图像哈希值的计算使用曲线波变换.这些哈希值被嵌入到宿主图像的不同级别的曲波变换中。Surekha等人。[38，39]给出了使用视觉密码进行版权保护的新水印方案。这些方案适用于医学图像的保护。通过对文献的回顾，发现现有的水印算法大多采用离散小波变换（DWT）、奇异值分解（SVD）和离散余弦变换（DCT）等方法，对医学图像的不可现有的水印算法都是利用PN序列的相关性来盲提取水印。此外，许多现有的水印方案对各种水印攻击的鲁棒性测试本 文 提 出 了 一 个 方 案 来 克 服 Dey 方 案 [18] 、 Singh 方 案 [25] 和Thakkar方案[3]的局限性。Dey方案和Singh方案使用两个PN序列及其相关性来盲提取水印数据。这两种方案对标准数据库医学图像的不可感知性较低选择这些方案的原因是，它与所提出的方案最相关，因为所提出的方案也使用了高斯白噪声序列的相关性。此外，Thakkar方案[3]具有仅适用于医学图像的感兴趣区域（ROI）的局限性因此，需要设计新的水印技术来克服水印领域中的上述问题。提出了一种用于医学图像安全的盲水印方案。该方案采用快速离散曲波变换（FDCuT）、离散余弦变换（DCT）和高斯白噪声（WGN）序列。该方案对几何攻击、信号处理攻击和JPEG压缩攻击具有较好的鲁棒性。为了适应远程医疗的应用，在医学图像中嵌入了图像、二值标识和二值符号等多种版权信息。为了实现该方案，首先在医学图像上应用FDCuT。然后DCT应用于高频（HF）曲小波子带块的大小为8 - 8。每个DCT块的中频DCT系数被两个WGN序列修改以嵌入水印比特。在提取端，利用WGN序列的相关特性进行水印盲提取。其余的文件是组织如下;在第2节中，所提出的计划中使用的参数。第3节给出了所提出的方案，而实验结果和讨论在第4节中给出。最后，在第五部分给出了本文的结论。2. 预赛2.1. 快速离散曲波变换对图像进行离散时间曲波变换（DTCuT），得到不同的DTCuT在图像处理应用中起着重要作用[30，31]，因为它将图像表示为曲线或边缘。离散时间曲波变换是线性的，并且将形式为f[t1，t2]，0t1，t2 n的笛卡尔阵列作为输入，这允许输出为系数的集合：其中j = 0，1，2.. . 是一个比例参数; l = 0，1，2. 是方向参数，k=（k1，k2）Z2是平移参数.比例参数取决于图像的大小，计算为log 2 minM;N 其中，M，N是形象方向参数必须设置为乘数的值，方向参数的默认值为16。对离散时间曲波变换进行了重新设计，提出了一种新的数学结构 ， 该 结 构 简 单 ， 易 于 实 现 。 它 被 称 为 快 速 离 散 曲 波 变 换（FDCuT）[30，31]。 这种曲波变换分为两种类型：基于不等间隔快速傅立叶变换（USFFT）的FDCuT和基于频率卷绕的FDCuT。基于USFFT的FDCut是一个不等大小的样本，复杂，需要更多的计算时间。基于频率包络的FDCut算法易于实现，且易于理解.此外，与基于USFFT的FDCuT相比，基于频率缠绕的FDCuT的计算时间更快，因此被许多研究人员选择基于FDCuT的频率缠绕的实施步骤如下所示[30，31]：1. 对图像进行FFT。2. 将FFT划分为数字电晕瓦片的集合（图1）。① 的人。3. 对于每个电晕瓷砖将瓷砖平移到原点（图2（a，b））。将瓷砖的圆形支撑物围绕一个以原点为中心的矩形缠绕（图1）。 2（c））。取包裹支撑的逆FFT。将Curvelet数组添加到Curvelet系数集合。很少有使用FDCuT的水印方案。基于频率缠绕的曲波变换具有等采样率和低运算时间的优点，被用于水印算法中。如果对图像应用基于频率卷绕的曲波变换，则其产生三个不同的频率子带，诸如低频（LF）、中频（MF）和高频（HF）。曲波变换将图像分解成图1所示的许多不同频率系数单元。3.第三章。单元格的数量取决于图像的大小例如，使用具有6个尺度参数和16个取向参数的基于频率缠绕的FDCuT将具有512 × 512像素大小的图像分解成不同的单元，诸如C（1，1）至C（1，6）。其中，C（1，1）为低频曲波系数，C（1，2）至C（1，5）为中频曲波系数，C（1，6）为高频曲波系数。单元C（1，1）至C（1，5）的尺寸小于图像的实际尺寸，但C（1，6）的尺寸等于图像的尺寸在所提出的方案中选择高频曲波系数的原因是CDj;l;k：¼X06t1;t2nf½t1;t2]/D½t1;t2]1Fig. 1. 基本的2D离散Curvelet变换。●●●●R. Thanki等人/工程科学与技术，国际期刊20（2017）13661369图二、按周期性将数据（最初在矩形内）包装成矩形黑色矩形是包含Curvelet频率支持的图块，而灰色平行四边形是周期化产生的副本矩形以原点为中心包裹的椭圆出现图三. 图像的Curvelet分解(a) 原始图像(b) 图像的Curvelet系数（c）图像的高频Curvelet系数见图4。图像的Curvelet系数1370R. Thanki等人/工程科学与技术，国际期刊20（2017）1366XXXXp p-M-1N -1ΣΣ×ΣΣ22M2N与其他曲波系数相比，它导致更好的不可感知性并实现良好的有效载荷容量图像的曲波系数如图所示。 4（b）. 图图4（c）示出了图像的高频曲波系数。2.2. 离散余弦变换（DCT）对于任何数字图像，它的DCT和逆DCT是使用方程计算的。（1）（2）（3）（4）（5）（6）（7）（8）（9）（10）（11）（12）（13）（14）（15）（16）（17）（18）（19）（DCT可以以两种方式应用于图像：分块和非分块。M-1N-1Fu;v u·avfx;yx¼1y ¼1×cos2x1upcos2y1vp2其中，对于u = 0，a u1 =M; 对于u = 1，2，3.，au 2 = M。 M 1;对于v = 0，a vp1=N;对于v=1，2，3，a v p 2 = N。 . N-1号fx;yau·av·Fu;vu<$0v<$03.建议计划本文提出了一种基于FDCuT-DCT的盲水印方案，该方案具有更好的不可感知性和对各种水印攻击的鲁棒性。在该方案中，FDCuT应用于宿主医学图像，以获得不同的频率子带，如LF，MF和HF。在所提出的方案中选择FDCuT的原因是，它表示图像的边缘，并提供更好的不可感知性相比，另一种变换。此外，当FDCuT应用于图像时，高频子带的大小等于图像的实际大小，这提供了更多的嵌入容量。此外，该方案易于实现水印的嵌入.对于图像的FDCuT分解，使用7个尺度参数和16个方向参数。在宿主医学图像的HF曲波子带上应用分块DCT。然后根据水印比特数在中频DCT系数中插入两个高斯白噪声序列，生成含水印医学图像。在该技术中，高频曲小波子带被划分为8 × 8重叠块，实现更好的鲁棒性。该方案利用小波高斯白噪声和小波高斯白噪声×cos102x101x102x1042Mcos 2012年7月12日2Nð3Þ序列和水印数据。水印嵌入和水印提取的步骤在以下小节中给出。中带DCT系数由于其以下特性而用于水印应用[33，34]。1. 这些系数对图像的可见性影响不大。2. 这些系数受水印攻击的影响较小对于所提出的鲁棒水印方案，分块DCT应用于图像的不同频率子带，如低，中带和高。2.3. 高斯白噪声序列在信号处理中，白噪声是一种具有恒定功率谱密度的随机噪声信号[35]。任何序列S[n]被称为白噪声序列，如果SSxN;-p6x6p4其中N是实常数，称为白噪声强度。白噪声序列的自相关计算为：3.1. 水印嵌入过程在该方案中，水印比特嵌入到宿主医学图像的FDCuT-DCT图5中给出了所提出的嵌入过程的框图。下面给出了水印嵌入的算法步骤1.计算水印图像的大小水印图像被转换成水印位的矢量。步骤2.计算宿主医学图像的大小步骤3.应用基于FDCuT的频率包裹技术，得到宿主医学图像的低频、中频和高频子带。步骤4.将HF曲小波子带转换为非重叠块。步骤5.在非重叠块上应用逐块DCT以获得系数，如低频带频率（LBF）、中频带频率（MBF）和高频带频率（HBF）。步骤6.使用噪声发生器产生两个高度不相关的高斯白噪声序列，每个序列的大小等于MBF的大小。步骤7.选择MBF DCT系数进行水印比特嵌入。在MBF DCT系数RS½nN [2019-05 -25]基于以下条件的块。[1/2]其中d[n]是单位脉冲序列。白噪声序列的平均功率是有限的，并且在所有频率上均匀分布如果该序列的功率谱密度服从高斯分布，则称该序列为高斯白噪声（WGN）序列。在离散时域中，这种噪声是离散信号，其样本被表示为具有零均值和一定方差的不相关随机变量序列。在实践中，序列的每个样本具有零均值的正态分布，其中每个像素遵循高斯分布。在图像处理中，这种随机噪声以二维表示。在所提出的鲁棒水印方案中，该噪声序列用于恢复侧水印比特的盲提取。使用此序列的原因是它会导致不同值的高度不相关序列因此，在决定水印比特提取时，很容易找到两个● 如果水印位为零，则修改的DCT块1/4DCT块1/4ωWGN序列0/6 ω其中，Modified_DCTblock对应于块的经修改的MBF DCT系数，DCTblock 是 块 的 原 始 MBF DCT 系 数 ， k 是 增 益 因 子 ， 并 且WGN_Sequence_0是用于水印比特0的WGN序列。● 如果水印位为1，则修改的DCT块1/4DCT块1/4WGN序列1/7其中，Modified_DCTblock对应于块的修改的MBF DCT系数，DCTblock 是 块 的 原 始 MBF DCT 系 数 ， k 是 增 益 因 子 ， 并 且WGN_Sequence_1是用于水印比特1的WGN序列。对于宿主医学图像的每个块的所有MBF DCT系数重复该过程●R. Thanki等人/工程科学与技术，国际期刊20（2017）13661371图五.建议的水印嵌入程序框图。步骤8.对修正后的MBF系数进行逆分块DCT变换，得到宿主医学图像的修正后的HF曲小波子带。步骤9.将基于FDCuT的逆频率缠绕算法应用于调制后的高频曲小波子带上，得到含水印的医学图像.3.2. 水印提取过程该方案利用医学图像与两个WGN序列的相关性盲提取水印比特。提出的萃取工艺在图6中给出了持续时间。下面给出了水印提取的算法步骤1.计算的大小的水印医学影像步骤2.应用基于FDCuT的频率包裹方法得到含水印医学图像的低频、中频和高频子带。步骤3. HF曲小波子带被转换成非重叠块。步骤4.在非重叠块上应用逐块DCT以获得系数，如低频带频率（LBF）、中频带频率（MBF）和高频带频率（HBF）。图六、所提出的水印提取过程的框图1372R. Thanki等人/工程科学与技术，国际期刊20（2017）1366×××¼×××××步骤5.以水印嵌入过程中产生的两个高度不相关的高斯白噪声（WGN）序列为例.步骤6.基于以下条件从MBF DCT系数中提取水印比特。相关序列1/4corr2/4MBF DCT块;WGN序列1/4ð8Þ相关序列0¼corr2“MBF DCT块;WGN序列0”ð9Þ步骤7.如果Correlation_Sequence_1>Correlation_Sequence_0，则水印位被设置为位1。否则，水印位被设置为位0。步骤8.对比特向量进行整形得到提取的水印转换成16，384个大小为88的非重叠块。每个块的DCT系数通过分块DCT得到，大小为128 × 128像素的水印图像被转换成大小为16384的矢量。然后根据水印比特值，用两个WGN序列对医学图像各块的MBF DCT系数值进行修正经过水印嵌入处理后，得到了修改后的16,384块含水印的医学图像将逆分块DCT应用于修改的DCT以得到大小为1024 - 1024的修改的高频曲波系数。然后对修改后的高频曲波系数进行逆FDCuT变换，得到含水印的医学图像。这里，一个水印比特被嵌入到医学图像的每个块中。使用下面的等式来计算可以通过所提出的方案嵌入的最大水印数据（十）：形象最大水印M×N区块大小2ð10Þ4. 仿真结果所提出的方案进行了测试和分析，各种医学图像，如X射线，US，MRI和CT。这些图像的大小为1024 × 1024像素。测试主机医学图像取自MedPixTM医学图像数据库[36]，见图7。测试医学图像是8位灰度图像。一组3个水印图像的内容，如版权信息文本的图像，标志与更平滑的细节和标志与更尖锐的细节用于测试。水印图像的尺寸为128 × 128像素。水印图像是8位二进制图像（如图8所示）。为了更好地进行方案的比较和实验结果的可视化，每个水印图像的大小被选择为相同。该方案的实现是在笔记本电脑2 GHz上完成的双核处理器，2 GB RAM，使用MATLAB 2013a软件。在该方案中，以1024× 1024像素的医学图像作为宿主图像，应用FDCuT进行检测其中M是行大小，N是主机图像的列大小。在该方案中，宿主医学图像的大小为1024 × 1024，块大小为8。因此，该方案可以嵌入一个最大的水印图像的大小为128 × 128像素。所提出的方案的最大有效载荷可以是主机医学图像的每64个像素的1比特。4.1. 业绩计量用峰值信噪比（PSNR）来衡量原始宿主医学图像与水印医学图像之间的不敏感性。PSNR在等式中给出。（五）、PSNR取决于均方误差（MSE），其是原始图像和处理后的图像之间的误差。MSE使用Eq.（6）. MSE以实值测量，而PSNR以dB值测量。较高的PSNR值表明，了算法.2552！得到它的曲波系数。高频曲波选择大小为1024的系数用于水印图像嵌入 则高频曲波系数为峰值信噪比（PSNR）：10×log10MSEð11Þ(a)（b）（c）（d）图7.第一次会议。测试主机医学图像（a）X射线（b）US（c）MRI（d）CT。(a) 水印1（WM 1）（b）水印2（WM 2）（c）水印3（WM 3）见图8。 测试水印图像。R. Thanki等人/工程科学与技术，国际期刊20（2017）13661373XX12.4分之一;2 -3分之一; 3 - 4分之一; 4 - 5分之一ÞXXNC<$x<$1y<$1M-1N-1MSE C x yCWx y12M×Nx<$0y <$0其中，C为原始宿主医学图像，CW为水印医学图像。水印算法的鲁棒性可以通过归一化相关性来度量。归一化相关性可以使用等式（Eq. （7）。NC度量原始水印图像和提取水印图像之间的相似性。如果NC值接近1，则任何水印方案的鲁棒性都是高的。4.2. 不可感知性试验使用不同的医学图像，如X射线，US，MRI和CT的不可感知性测试所提出的计划。该测试是为了检查在医学图像中嵌入水印数据后图像的退化情况，对于任何水印方案，为了更好的不可感知性，嵌入水印的图像必须接近原始图像。对于不可感知性测试，计算原始宿主医学图像和水印医学图像的PSNR，计算原始水印图像和提取水印图像的NC。PSNR和将建议方案的NC值与现有方案进行了XM XNwx;y×wωx;y技术[18]。图9示出了所提出的方法的定量结果。在不同的主机和水印Mx¼1Ny¼1w2x;y图像.结果包括水印医疗图像和在上面的等式n中，w是原始水印图像，w/是提取的水印图像。 利用上述措施，对不同的医学图像进行了不可感知性测试和鲁棒性测试。提取水印图像。水印嵌入过程是由一个恒定的增益系数k值为2。在该方案中，水印嵌入过程的性能取决于增益因子和WGN序列。测试图像x射线美国MRICT水印图像（嵌入WM1后）提取的水印1水印图像（嵌入WM2后）提取水印2水印图像（嵌入WM3后）提取水印3图9.第九条。水印医学图像和提取水印图像使用建议的方案，使用增益因子k= 2。ð13Þ1374R. Thanki等人/工程科学与技术，国际期刊20（2017）1366测试图像x射线美国MRICT提取的水印1提取水印2提取水印3(a) 使用增益系数k= 4测试图像x射线美国MRICT提取的水印1提取水印2提取水印3(b) 使用增益系数k= 6测试图像x射线美国MRICT提取的水印1提取水印2提取水印3(c) 使用增益系数k= 8图10个。使用不同的增益因子k值提取水印图像当WGN序列的值固定时，增益因子的值是可变的。增益因子的选取影响了水印图像和水印提取图像的质量.在这里，根据水印要求的HVS特性，增益因子k从2到8变化。图9中的结果示出了在不应用任何图像处理的情况下R. Thanki等人/工程科学与技术，国际期刊20（2017）13661375水印攻击这是因为白高斯噪声（WGN）序列用于嵌入水印比特，并且这些序列对水印医学图像的灰度值有影响。在水印提取时，将这些序列与嵌入水印的医学图像进行相关。对于小的增益因子，得到的相关值较小，这导致提取的水印图像质量低。随着增益因子值的增加，的相关性值也在增加。图10示出了使用不同的增益因子k值提取的水印图像。相应的PSNR和NC值列于表1中。结果表明，当增益因子较大时，提取的水印图像质量也较高。将所提出方案的相应PSNR值和NC值与现有方案[18]进行比较，并在表2中列出。方案的比较使用增益因子k为2来执行提出的方案的水印医学图像的PSNR的平均值约为49.36 dB，而现有方案[18]的水印医学图像的PSNR的平均值约为37.58分贝。因此，这表明嵌入水印的图像受嵌入水印比特的影响不大。与现有方案相比，所提出的方案提供了更好的不可感知性[18]。注意，所提出的方案的所提取的水印图像的NC的平均值是大约0.9618，而所述平均值是大约表1使用不同增益因子k值的建议方案的PSNR（dB）和NC值。测试图像峰值信噪比（dB）NC水印1水印2水印3水印1水印2水印3(a)对于增益系数k = 2x射线55.0651.5853.100.92300.97840.9408美国50.2749.6250.130.95510.94110.9400MRI48.9945.5247.860.96920.99180.9765CT47.1846.5446.550.98270.96470.9780(b)对于增益系数k = 4x射线45.0143.8145.060.99060.98500.9571美国42.6840.3940.410.98090.97510.9722MRI39.3640.4939.790.99250.99020.9932CT38.8638.2638.690.99290.98720.9758(c)对于增益系数k = 6x射线39.8640.0837.800.99280.99450.9795美国35.0633.8336.890.99370.99120.9851MRI32.4536.1233.540.99980.99560.9995CT33.0332.3932.510.99190.98870.9860(d)对于增益系数k = 8x射线34.2134.7733.730.99320.99450.9957美国29.3832.5232.840.99760.99300.9871MRI31.2132.5530.400.99950.99951.0000CT35.5128.3728.980.99370.99330.9928表2建议方案与现有方案的PSNR（dB）和NC值的比较[18]没有应用水印攻击。测试图像建议计划[18]第十八话水印1水印2水印3水印1水印2水印3(a)PSNR（dB）值x射线55.0651.5853.1039.4036.7234.07美国50.2749.6250.1340.6037.9235.28MRI48.9945.5247.8640.6137.9235.28CT47.1846.5446.5540.4037.7135.07(b)NC值x射线0.92300.97840.94080.60180.66670.7409美国0.95510.94110.94000.55240.58220.6481MRI0.96920.99180.97650.54850.58180.6461CT0.98270.96470.97800.57050.61680.6844表3建议方案和现有方案[18]在JPEG压缩攻击下的NC值。测试图像X射线US MRI CT X射线US MRICT JPEG压缩攻击现有方案[18]建议方案Q = 900.73740.63460.62720.67580.97130.93140.98060.9806Q = 800.72090.61860.60860.65880.92820.69890.73640.9578Q = 700.71460.60970.60260.65020.95250.72040.71140.7402Q = 600.71020.60370.58620.64740.75510.63070.58890.7931Q = 500.69330.60100.58840.63610.71250.60670.59450.64041376R. Thanki等人/工程科学与技术，国际期刊20（2017）1366表4噪声附加攻击下建议方案和现有方案[18]的NC值测试图像x射线美国MRICTx射线美国MRICT噪声附加攻击现有方案[18]建议方案斑点噪声（方差= 0.004）0.71680.64700.63830.68170.87130.94510.94560.9396椒盐噪声（方差= 0.005）0.70540.62660.61830.66660.87300.88780.90020.9125高斯噪声（均值= 1，方差= 0.001）0.71290.62920.62280.66860.93220.80490.81350.8620[18]第十八话建议计划图十一岁斑点噪声攻击下的医学图像水印及提取水印图像表5建议方案和现有方案[18]在过滤攻击下的NC值。测试图像X射线US MRI CT X射线US MRICT过滤攻击现有方案[18]建议方案中值滤波（2×2）0.7180 0.6157 0.6067 0.6517 0.9538 0.8943 0.9700 0.9607平均滤波（2×2）0.6794 0.5838 0.5782 0.6206 0.8688 0.8950 0.8461 0.8771高斯低通滤波器（2×2）0.6794 0.5838 0.5782 0.6206 0.8657 0.8900 0.9458 0.9668表6建议方案和现有方案[18]在模糊攻击、锐化攻击和直方图均衡攻击下的NC值。测试图像X射线US MRI CT X射线US MRICT各种攻击现有方案[18]建议方案[18]第十八话建议计划图12个。直方图均衡攻击下的医学图像水印及提取水印图像现有方案[18]提取的水印图像的NC值约为0.6201。因此，这表明在所提出的方案中水印图像的提取优于现有方案[18]。4.3. 稳健性测试为了验证该方案的鲁棒性，对含水印的医学图像进行了JPEG压缩、中值、均值、高斯低通滤波、剪切、模糊、锐化、高斯噪声、椒盐噪声、斑点噪声等多种水印攻击以及旋转、剪切、翻转等几何攻击。在提取侧，如果水印的提取图像是可能从损坏的水印内容，那么该方案是鲁棒的，真实的和安全的。本文利用归一化相关系数（NC）来衡量该方案对各种水印攻击的鲁棒性。 此外，针对同一组医学图像，将所提出方案的NC值与现有方案[18]的NC值进行比较。对不同水印的医学图像（水印为WM3图像）进行了不同的水印攻击，得到了不同水印攻击的NC值.如下所示4.3.1. JPEG压缩攻击JPEG压缩压缩任何图像，而不会对图像的视觉信息产生太大影响JPEG压缩，模糊0.56600.52710.53470.55100.69520.73850.96270.9078锐化0.76170.66380.66170.71240.94080.96610.96610.9674直方图均衡0.74800.70100.74680.71700.96890.97200.96290.9708R. Thanki等人/工程科学与技术，国际期刊20（2017）13661377对含水印的医学图像应用不同的质量因子，然后利用所提出的方案提取WM 3图像。在表3中，总结了针对像X射线、US、MRI和CT的图像的压缩攻击的NC值。结果表明，在这种攻击下，该方案的性能优于现有方案[18]4.3.2. 加噪攻击将高斯噪声、椒盐噪声、斑点噪声等不同的噪声施加到含水印的医学图像上，然后使用该方案提取水印WM3。在表4中，对测试图像的这种攻击的NC值进行了汇总。实验结果表明，该方案具有较好的性能表7几何攻击下建议方案和现有方案[18]的NC值测试图像x射线美国MRICTx射线美国MRICT[第18话]第18话翻转0.50560.49770.50400.50290.86910.85190.72580.8917旋转（90°）0.49760.49680.50250.49960.78950.85100.90050.9448种植（20%）0.72980.63630.63710.68170.97040.93520.96870.9593表8建议方法的假阳性测试结果示例。SL. 没有无水印图像使用该算法提取水印1NC1使用该算法提取水印2NC2利用该算法提取水印3Nc310.50130