心电图小波变换隐写技术及其应用

沙特国王大学学报基于整数小波变换和块标准差的杨庆宇a，王文芳ba国立澎湖科技大学，台湾，六合路300号，880台湾澎湖县马公镇b国立云林科技大学，台湾，大学路123号，地址：64002云林斗六区三段阿提奇莱因福奥文章历史记录：收到2021年2021年8月13日修订2021年8月14日接受2021年8月27日网上发售保留字：数据隐藏心电信息隐写的小波变换标准差块系数对齐技术最低有效位替换A B S T R A C T在此，我们提出了一种改进的心电图（ECG）隐写术，用于保护患者的敏感数据，如血压，血糖水平，血脂谱和其他个人健康信息。基于整数小波变换（IWT），我们隐藏秘密位在心电主机使用标准偏差（SD）块，系数对齐技术，和最低有效位替换。通过在比特嵌入之前计算宿主块的SD，数据比特可以有效地嵌入IWT系数中仿真结果表明，当有效载荷大于15.5 Kb时，该方法的有效载荷优于现有技术，信噪比也优于现有技术.此外，我们的方法是优于其他心电图隐写方法的峰值信噪比和隐藏能力。所提出的方法不仅提供了良好的感知质量，但也保护免受攻击。该方法实现时间短，可应用于便携式生物测量设备或可穿戴电子设备。版权所有©2021作者。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍最近，越来越多的组织/个人正在实施在家工作政策和在互联网上共享资源。这增加了对便携式通信设备和对业务计算系统的远程访问的依赖性。然而，这样的环境也可能增加个人信息泄露和敏感数据从不受保护的设备丢失的风险。此外，老年人护理和健康检查现在通过互联网进行。因此，长者病人需要家人或其他人士的帮助以评估他们的健康状况，包括他们的脂质分布、葡萄糖水平和血压，并通过计算网络将测量数据传输到社区医院（医疗中心）用于诊断和解释。由于包含重要（或私有）信息的网络分组在公共数据网络中的传输期间倾向于被窃听和篡改，*通讯作者。电子邮件地址：chingyu@gms.npu.edu.tw（C.- Y.Yang）。沙特国王大学负责同行审查安全（或保护）敏感数据的经济方式是实现数据隐藏。通常，数据隐藏包括两个主要分类：隐写术（Hussain等人，2018; Kadhim等人 ， 2019;Sahu 和 Swain ， 2019 a ） 和 数 字 水 印 （ Liu 等 人 ，2017;Hsiao等人， 2018年）。一些研究人员已经成功地提出了心电图（ECG）信号中的数据隐藏方法。这些方法可以分为三类：ECG水印方案，可逆ECG隐写和（有损）ECG隐写。一般来说，鲁棒性是一个重要的功能提供通过ECG水印方案（Swierkosz和Augustyniak，2018; Sanivarapu等人，2020年）。一个鲁棒的心电水印方案往往具有很好的抗攻击性能.因此，从经过处理的标记ECG提取的大多数水印（或标志）仍然可以被识别。不过，它们的有效载荷有限。在ECG主机不允许轻微失真的情况下，可以使用可逆ECG隐写术来保留ECG的原始性。一些作者已经提出了可逆（或无损）数据隐藏技术，以在数据提取之后完全恢复ECG主机的原始内容（Shiu等人，2017; Yang等人，2020年）。相比之下，ECG隐写术的主要目的是隐藏大量的ECG数据，同时保持良好的（或可接受的）感知质量。良好的感知质量不会引起第三方（或对手）的注意，并大大降低了攻击的风险。https://doi.org/10.1016/j.jksuci.2021.08.0131319-1578/©2021作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com杨庆宇，王文芳沙特国王大学学报5869×现有的心电主机隐写方法存在的主要问题是隐写存储量少，合成的信噪比或峰值信噪比不足。因此，这项工作的动机是开发一种改进的心电图隐写术，用于保护患者的敏感数据，如血压，血糖水平和其他个人健康信息。本研究的主要贡献如下：（1）我们方法的最大有效载荷是比较技术的2、1.9和1.6倍（Yang和Wang，2018; Yang等人，2020;Yang和Wang，2020），并且我们的SNR优于他们的。此外，由所提出的方法提供的PSNR优于由其他ECG隐写方法提供的PSNR（Jero等人，2016;Pandey等人，2019年），而我们的有效载荷大约是他们的两倍。(2)该方法不仅具有较高的隐藏存储量、较高的感知质量、良好的平均结构相似度（MSSIM）和通用质量指数（Q）性能，而且具有一定的鲁棒性。(3)该算法简单、快速，适用于便携式或可穿戴设备。论文的其余部分组织如下：第2节简要回顾了现有的心电图隐写方法。第三描述了所提出的比特嵌入和比特提取技术，并给出了讨论和分析。第四节讨论了实验结果，包括所提出的方法的演示，现有技术的性能比较，额外特征，标记心电图的隐写分析，以及模拟总结。第5节结束了这项工作。2. 相关作品由于所提出的方法是一种ECG隐写方法，因此本节仅审查和介绍相关文章。 为了在生物识别中嵌入秘密比特，Jero等人。（2015）使用曲波变换并提出了一种有效的ECG隐写。首先通过快速离散曲波变换将一维（1D）ECG主机转换为二维（2D）图像然后，将数据位自适应地隐藏到确定的每个楔块的曲线子系数仿真结果表明，该方法的最佳有效载荷约为4Kb，峰值信噪比为43dB。如果要隐藏的数据量大于4Kb，则该方法不适用于实际应用。此外，标记的ECG信号的质量随着有效载荷大小的增加而显著降低Yang和Wang（2016）利用偏移系数技术，提出了两种类型的ECG隐写术：方法A和方法B。前一种方法是为高感知质量版本设计的，而后者是为高容量版本设计的。仿真表明，方法A和B的平均SNR和有效载荷分别为54（或56）和43（或46）dB，有效载荷大小分别约为7和14 Kb，来自导联I（或导联II）中的ECG输入。基于连续蚁群优化技术、离散小波变换和奇异值分解（SVD），Jero等人（2016）开发了一种用于隐藏患者信息的ECG隐写术为此，首先将1D ECG输入转换为2D ECG矩阵。然后，通过奇异值分解和加性量化方法将数据位嵌入到ECG矩阵的目标频带中仿真结果表明，平均百分比残差（PRD）和PSNR分别为0.0018和63 dB的有效 载 荷 大 小 为 0.89 KB 。 然 而 ， 随 着 有 效 载 荷 大 小 的 增 加 ，PSNR/SNR急剧下降例如，该方法的平均PSNR约当有效载荷约为3.1 Kbytes时为35 dB。Pandey等人（2017）通过采样值差技术实现了混沌映射，并提出了一种适合基于正交频分复用的无线ECG隐写术。传输实验结果表明，平均PRD和PSNR分别为0.26和55.5 dB，有效载荷大小为21 KB（输入所有数据集需要20分钟）。另外，在相同的有效载荷大小下，仿真结果表明，该方法的平均PSNRYang和Wang（2018）使用了绝对值决策策略，并提升了其先前版本的SNR性能（Yang和Wang，2017）。该方法的一个主要改进是在比特嵌入/提取过程中不使用额外的信息。此外，该方法的平均信噪比（2位版本）优于以前的版本为3.5 dB。基于1D离散余弦变换（DCT）域，Christian et al. （2019）提出了一种高容量ECG隐写术。几个比特可以隐藏到DCT系数的小数点后第二位，并且所得到的感知质量显著良好。虽然该方法可以获得高的信噪比和有效载荷，但标记的ECG的大小比原始ECG的大小增加了约两倍。该方法可能导致移动测量设备中的显著负担。Pandey等人（2019）结合嵌入加密技术实现了融合耦合混沌映射，并提出了一种有用的ECG隐写术。该方法包括四个阶段：数据加密，最低有效位（LSB）嵌入，替换和置换。仿真结果表明，平均PRD和PSNR分别为0.21和57 dB，有效载荷大小为21 KB（输入所有数据集需要30分钟）。在2.4K字节的有效载荷大小下，可以从引线I（或引线II）获得71（或70）dB的平均PSNR和0.04（或0.05）的平均PRD基于基于2D块的方法，Yang等人（2020）开发了一种有效的ECG信号数据隐藏方法。首先，他们将输入的ECG数据转换为2D形式，该2D形式是从左到右顺序重新排列输入数据而获得的。根据所提出的两个不等式，主机块最多能够隐藏六个数据位。仿真结果证实，平均信噪比的方法与块大小为3 - 3是优于现有的技术，而该方法的有效载荷是有竞争力的比较方法。该方法的一个明显缺点是在将ECG从1D转换为2D之后浪费残余块。Yang和Wang（2020）基于1D IWT和多系数准则以及调整技术在ECG主机中嵌入数据当主块的大小为4时，该标准与Yang等人（2020）提出的上述规则具有相同的效果。仿真结果表明，该方法的平均信噪比和有效载荷分别为50dB和22 Kb，优于现有技术。由于该方法提供了大小为25Kb的平均有效载荷，因此得到的SNR约为40dB。从上述文献综述中，我们可以看到，这些方法在SNR（或PSNR）和有效载荷大小方面仍有改进的空间因此，在这里，我们提出了一个有效的数据隐藏方法的心电信号的一个额外的特点，抵抗操纵。3. 该方法我们的方法背后的主要思想是利用CAT，LSB技术和主机块的SD为了获得具有良好感知质量的高容量ECG隐写术，首先经由1DIWT将ECG输入分解成低子带（IL）和高子带（IH）系数域（Calderbank等人， 1998年）。然后，从IL和IH中导出一系列大小为1 × n的不重叠的宿主块，如图所示。 1，n = 3。随后Fig. 1.第j个主机块，大小为1×3。杨庆宇，王文芳沙特国王大学学报5870....1/1目标系数。首先，一个数据位1（或22计算IL（或IH）中的主机块的SD（r）以获得用于确定一个或两个数据位是否可以被控制的SD（r）。r小于预定值的主机块的数量（kl）在主机块中执行。 令E为j/4。斯济恩是第j个主机块，n.维持，维持比（或等于）/。根据上述统计数据，可以将所提出的算法分为两类：第一类和第二类。如果kl>kh为真，则类别I继续进行比特嵌入过程;否则，类别II继续进行。类别I将秘密比特嵌入到其块具有小r的ECG主机，而类别II在其块具有大r的ECG主机中嵌入数据位。在具有小r的块中的系数的变化比在具有大r的块中的系数的变化更平滑。两个连续的输入块将经历位嵌入，0）可以隐藏在大小为2的子块中，如果-s6sj1-sj20或 06sj1-sj26 kh），并且使用类别II来解码图4（c）和4（d）（因为k1 kh））。根据等式（1）和（2），从图4中的隐写块中提取两个“11”隐藏比特。第4（a）段。六比特被提取在图中。 4（b）通过每个系数中的模4。另外，因为r> f对于图1中的隐写块为真。如图4（c）所示，通过模运算，可以从块中获得六个“111111”隐藏比特。4. 一个类似的比特提取过程被应用于隐写块，如图11所示。 4（d）.在MS Windows 10平台下。从MIT-BIH心律失常数据库（Moody和Mark，2001）的导联I和导联II获得的两组96个ECG信号用作测试数据。每个ECG输入由30，000个样本组成。每个样本都用12位整数表示，范围为1024到+1023大小的主机数据块为13.我们用的是256256二进制图像作为输入数据，充当秘密消息。控制参数设置为2.2。（可以将f> 2.2的值用于我们的实验，但当前设置为所提出的方法提供了最佳性能。）我们的方法进行ECG主机的平均CPU时间约为0.02 s。SNR、PRD、PSNR、MSSIM和Q等几个测量值用于性能评估，定义如下：3.3.讨论及分析SNR10logPis25¼10Ps-^s2;没有跳过的子块，则嵌入在IL中的最佳有效载荷通过所提出的方法，vuPsi-bsi2S2×100%;≤6μm222n、K，乌斯季1，K，3i我×ðþÞ×2×2n¼ ð þÞ×n; β-淀粉样蛋白其中K和n分别代表样本的数量和主块的大小相比之下，如果类别II在没有跳过子块的情况下执行比特嵌入，则最优有效载荷了该方法的2×½p×2q×2n]×，K，<$$>2pqn×，K，;<$4其中p和q分别表示已经通过CAT和LSB技术嵌入的隐藏块的部分。给定固定大小的n，q值越大，通过所提出的方法可以获得的容量越高，反之亦然。注意p+q= 1。此外，主机块的r值越低，块中系数的变化剧烈。在这在这种情况下，从主机块经由CAT引入的编码误差小于从LSB技术引入的编码误差。因此，如果r超过预定阈值，则建议数据比特通过LSB技术嵌入到主机块中。这就是为什么我们在pseu的第20-30行采用这一政策的原因最大s2PSNR¼10 logg101Ps-^s2;71NbMSSIM<$SSIMj; 108mm和Q4LHLSRHS9l2其中si和^si是原始ECG和标记ECG中的系数。lh和ls以及rh和rh分别是原始ECG和标记ECG中系数的均值和方差，rhs是协方差。Nb K=n是主机块的总数。SSIM定义如下：SSIM2lhjlsjc12rhjsjc210l2第3.1中的代码。此外，第14和15行的目的（ap-公司简介公司简介在第3.1和3.2节的伪码中描述的）的阈值增量为k的情况下，是为了促进更好的隐藏性能，因为输入块来自IWT域的高子带。为了获得高的隐藏存储和良好的感知质量，在我们的方法中，主机块的大小被设置为1.3，1被设置为2.2，并且阈值增量k在这里，我们指定所提出的方法的时间复杂度。从第3.1节给出的伪代码（或图3（a）所示的框图）中，我们可以观察到三个主要的计算负载来自1D正向IWT操作、在IWT系数中隐藏比特的过程（由类别I或II执行）和逆IWT操作。时间复杂度为O（n）+O（n）+O（n），时间复杂度为O（n）+[O（n）+ O（1）] + O（n）。时间复杂度是O（n）的。类似地，在3.2节（或图3（b））中给出的伪代码因此，我们得出结论，该方法是一个线性运行时间算法。4. 模拟和比较我们的程序是用C++编程语言编写的。为了演示所提出的方法，在配备12 GB RAM的Intel® CoreTM i5 1.7 GHz笔记本电脑其中Lhj和Lsj以及Rhj和Rsj分别是第j个主块和标记块的均值和方差，Rhj是两个块的协方差。两个常数，即，c1和c2，由下式给出：C10点 01分Max si2和c20点 03分Max si2、分别。首先，通过多个ECG主机（导联I中）生成的有效载荷在图5（a）中描绘了具有各种s的所提出的方法。显然，ECG 203提供了ECG输入中最大的有效载荷大小然后是ECG 107和ECG 116。“48组的平均值”（弯曲虚线）表示通过提议的方法从导联I中的所有48组ECG中获得的平均有效载荷。此外，ECG 203和ECG 107提供的隐藏能力远远优于 图 5（b）表示当s7时，ECG输入中ECG 203具有最小的SNR值，ECG 101具有最好的在各种有效载荷大小下，ECG 203的SNR保持在约51 dB当s> 14时，ECG 107表现出最佳的SNR性能此外，ECG 100和ECG 102产生的SNR更好。比“48组平均值”生成的结果更差很显然，ECG 116的SNR表现比其他ECG差，并且随着s从10增加到20而线性下降到49 dB。从等式（5）和（6），我们可以观察到，SNR越低，PRD越低 图 5（c）证实了这一现象。毛皮-因此，图5（d）揭示了所有ECG主机的跳过块的数量随着s> 6而显著下降这一发现在第3.1中，如果类别I执行位嵌入并且存在我的杨庆宇，王文芳沙特国王大学学报5875图五. 所提出的方法与各种s的演示。(a)有效载荷，（b）SNR，（c）PRD，以及（d）对应的跳过块的数目。图六、所提出的方法的有效载荷、跳过的块的数量和SNR之间的关系（a）有效载荷与跳过的块的数量和（b）SNR与有效载荷这意味着s的值越大，跳过的块的数量越少，并且可以获得的有效载荷越大通过我们的方法。注意，s的值可以设置为某个较大的值。然而，这些测量值保持稳定，然后随着s超过20而缓慢增加。有效载荷和相应的跳过块的数量之间的关系如图所示。第6（a）段。显然，ECG 203提供了最大的有效载荷大小，其次是ECG107。ECG203生成的跳过块数量明显少于其他ECG生成的SNR和SNR之间的权衡杨庆宇，王文芳沙特国王大学学报5876和有效载荷被描绘在图中。 6（b）. ECG 203再次提供了最大的有效载荷大小，平均SNR值约为51 dB，ECG 116生成了最小的有效载荷大小，SNR值为49至53 dB，其有效载荷大小远低于“48组的平均值“48集的平均值”，如图所示。图5和图6表示平均SNR、PRD和我们的方法从导联I中的48组ECG生成的相应跳过块数。此外，在图5中示出了从经由所提出的方法生成的标记的ECG起的5秒内的密切观察。7.第一次会议。蓝色和红色的曲线分别表示感知质量良好，这意味着这些数字引入的误差（或失真）并不显著。4.1. II型电极导线演示为了显示所提出的方法的有效性和可扩展性，来自导联II的ECG主机的演示在图中描绘。8.第八条。 图 8（a）表示导联I的SNR较好当s9时，导联II的SNR性能高于导联II;然而，当s> 9时，导联II的SNR性能最高。直观地，从导联II获得的SNR值优于从导联I获得的SNR值，因为连续增加甚至>20。 图 8（b）表明，有效载荷介绍-由铅II引入的性能优于由铅I引入的性能。图 8(a)证实了图8（c）中的发现，图8（c）表明了从导联I和导联II获得的PRD。此外图 8（d）揭示了从导联II引入的跳过块的相应数量小于从导联I引入的跳过块的相应数量，这证实了图8（d）中的模拟。第8（b）段。有效载荷和SNR的性能由提议的方法使用来自导联I和导联II中的48组ECG的各种s生成，如图所示。9.第九条。中x轴的序列号该图代表48个ECG输入。对应的名称表2列出了这些输入。图9（a）和9（c）显示，从引线I和引线II引入的最佳有效载荷为47和48。60 KB，分别。在研究的48个输入中，只有3个ECG提供了来自导联I的大于44 Kb的有效载荷大小，而5个ECG超过了来自导联II的44 Kb。此外，从导联I中的41个输入生成的有效载荷大小小于40 Kb，并且导联II中的大多数ECG主机提供超过40 Kb的图9（b）和9（d）揭示了导联II的SNR性能范围在50和56 dB之间，这仍然优于导联I的SNR性能（范围在49和55 dB之间）。综上所述，我们的方法在导联II中的性能优于导联I。所提出的方法的MSSIM和Q的性能在图10中描绘。图10（a）指示从导联I和II中的96组ECG获得的所有MSSIM均高于0.9987。请注意，导联I和II的MSSIM均接近1. MSSIM的值介于0和+1之间 图图10（b）揭示了从导联I获得的Q约为1，并且略好于从导联II获得的Q。此外，从两个电极导线生成的Q均在0.97以上，Q的最佳通常，MSSIM（或Q）越大，所得到的感知质量越好。图 10证实了由所提出的方法生成的标记的ECG具有较大的MSSIM（和Q），具有良好的感知质量。4.2. 与现有方法的为了进行比较，将所提出的方法的SNR性能与现有技术进行了比较 （ Yang 和 Wang ， 2018; Yang 等 人 ， 2020;Yang 和 Wang ，2020）。图11（a）显示，当有效载荷大小大于15.5 KB. 此外，我们的方法图7.第一次会议。密切观察通过所提出的方法生成的标记ECG（a）ECG 100、（b）ECG 101、（c）ECG 102、（d）ECG 107、（e）ECG 116和（f）ECG 203。杨庆宇，王文芳沙特国王大学学报5877×-图8.第八条。用导联I和导联II中的各种s演示所提出的方法（a）SNR，（b）有效载荷，（c）PRD，以及（d）对应的跳过块。远远大于其他三种技术产生的能量。我们的方法的最大有效载荷分别为2，1.9，1.6分别比所比较的技术大10倍，并且我们的SNR也优于它们。虽然这三种技术导致更好的SNR值时，有效载荷大小小于14.5 Kb，所提出的方法的平均SNR是有竞争力的，他们（59 dB）。其他两个现有方案（Jero等人，2016; Pandey等人， 2019）主要使用PSNR和有效载荷大小作为其评估标准。我们的方法和两种方案之间的性能比较如图11（b）所示。显然，所提出的方法提供的PSNR性能优于其他两种技术提供的此外，我们的方法提供的最佳有效载荷大约是这两种技术提供的两倍。我们的方法和现有方法在MSSIM、Q和相应有效载荷方面的性能比较列于表3中。所提出的方法的Q比Yang和Wang（2020）的Q稍好，并且我们的MSSIM与他们的MSSIM竞争，而所提出的方法提供的有效载荷大小大约是Yang和Wang（2020）提供的有效载荷大小的两倍。此外，该方法的MSSIM、Q和有效载荷优于Yang et al.（2020）和Yang and Wang（2018）。4.3. 额外特性为了证明所提出的心电图隐写术具有抵抗操纵的额外优点，几个表面的例子。在表4中列出了从标记的ECG 100（s= 9和f= 2.2）中提取的活体水印。大小为198 - 198的二进制图像被用作输入水印。的标记的ECG 100的合成SNR约为53 dB。表4表明，PRD值等于0表示标记的该方法能够抵抗从标记的心电图中提取的两个水印在信号强度为0.5和1dB的加性高斯白噪声（AWGN）攻击下虽然从“裁剪”攻击（33%折扣和50%折扣）中幸存的水印的PRD通过“缩放（乘以0.9和1.1）”操作的幸存水印我们的方法也有很好的性能对类似的效果，在“逆转”和“截断”这两个攻击项目上也可以表4表明，所提出的方法具有一定程度的鲁棒性。4.4. 标记ECG为了揭示秘密消息的存在，几种隐写分析工具，诸如常规和奇异（RS）分析（Fridrich等人，2001）、像素差直方图（PDH）分析和卡方分析。由于我们的方法结合了CAT和LSB技术，因此使用RS分析和PDH分析我们遵循四个测量，即，Rm、Sm、R-m和S-m，如Sahu和Swain（2019 a）中所定义。对6个标记心电图进行RS分析，杨庆宇，王文芳沙特国王大学学报5878见图9。从48组ECG的有效载荷和SNR方面演示我们的方法。(a)导联I的有效载荷，（b）导联I的SNR，（c）导联II的有效载荷，以及（d）导联II的SNR。表2对应于图1和图2中的X轴的标签的ECG名称。 9和10的号ECG输入号ECG输入号ECG输入号ECG输入1心电图10013心电图11325ECG 20137心电图2172心电图10114心电图11426心电图20238心电图2193心电图10215心电图11527ECG 20339心电图2204心电图10316心电图11628心电图20540心电图2215心电图10417心电图11729心电图20741心电图2226心电图10518心电图11830心电图20842ECG 2237心电图10619心电图11931ECG 20943心电图2288心电图10720心电图12132心电图21044心电图2309心电图10821心电图12233心电图21245心电图23110心电图10922心电图12334心电图21346心电图23211心电图11123心电图12435心电图21447心电图23312心电图11224心电图20036心电图21548心电图234所提出的方法产生的，在图中给出。 12个。显然，RS未能检测到标记 的 ECG 107 、 ECG 116 和 ECG 233 ， 即 （ Rm<$ R-m ） >（Sm<$ S-m）。但对ECG 100、ECG 203、ECG 234的检出率为（R-m-S-m在此外，使用s= 9和f= 2.2的我们的方法的PDH分析的结果在图13中描绘。原始ECG和标记ECG的PDH分析由实线（红色）表示颜色）和虚线（蓝色）。显然，从ECG 100、ECG 203和ECG 234引入的两次事件之间的差异远大于从其他三个ECG引入的差异。因此，ECG 107、ECG 116和ECG 233的PDH测试性能优于ECG 100，ECG 203和ECG 234。基于两个测试结果，我们可以得出结论，所提出的方法有大约50%的机会通过RS和PDH分析的检测为了进一步提高安全性（或隐私性），建议在数据嵌入之前使用加扰（或简化4.5. 模拟总结为了测量（ECG）隐写方法的性能，研究人员经常使用客观的测量方法，如SNR（Yang和Wang，2018; Christian等人， 2019年; Yang等人，2020年，杨庆宇，王文芳沙特国王大学学报5879图10个。通过所提出的方法从导联I和导联II获得MSSIM和Q性能（a）MSSIM和（b）Q.见图11。在（a）SNR和（b）PSNR方面与各种方法的性能比较。表3MSSIM/Q/有效载荷（比特）与各种方法的比较。杨和王（2018）Yang等人（2020年）杨和王（2020）我们的方法0.9954/0.9951/19,9310.9984/0.9990/18,3181.0000/0.9986/20,6860.9994/0.9991/37,5370.9953/0.9950/19,9430.9970/0.9985/18,6901.0000/0.9984/21,2110.9993/0.9991/38,6610.9952/0.9948/19,9540.9970/0.9980/18,9261.0000/0.9983/21,1610.9992/0.9990/39,6160.9951/0.9947/19,9620.9962/0.9975/19,0791.0000/0.9983/20,9860.9992/0.9989/39,9250.9951/0.9946/19,9690.9955/0.9969/19,1901.0000/0.9982/20,7090.9992/0.9988/40,0460.9950/0.9945/19,9730.9948/0.9965/19,2671.0000/0.9982/20,5520.9991/0.9988/40,127Yang和Wang，2020年）、PSNR（Jero等人，2016; Pandey等人，2019;Sahu 和 Swain ， 2019 a; Sahu 和 Swain ， 2019 b ） ， PRD（Pandey例 如， 2017; Yang和 Wang，2018; Christian等 人，2019年; Yang等人，2020，Yang和Wang，2020）、MSSIM（或SSIM）（Dey等人，2012; Dey等人，2013; Sahu和Swain，2019a），Q（Sahu和Swain，2019 b）和嵌入能力（或嵌入率）作为其评价标准。此外，主观测量，即，结果感知质量是评估数据隐藏方法的重要线索。一般来说，SNR（或PSNR）越高，PRD越但在SNR（或PSNR）和嵌入能力之间存在折衷。此外，如果ECG隐写术能够提供更高的MSSIM（或SSIM，Q），则该方法已经实现了良好的感知质量。所有上述措施被用来评估我们提出的方法的性能。仿真结果表明，该方法在信噪比、峰值信噪比、最小似然比、Q值和嵌入能力等方面都有较好的性能，而感知质量也较好。此外，该方法还具有较强的抗攻击能力.虽然所提出的方法有50%的概率通过检测的RS杨庆宇，王文芳沙特国王大学学报5880表4幸存的水印的例子。攻击幸存的水印攻击幸存的水印攻击幸存的水印零攻击裁剪（5折）翻译（+1000）PRD = 0.0000PRD = 0.8336PRD = 0.0000AWGN（SNR 1 dB）反转转换（-1000）PRD = 0.6892PRD = 0.6808PRD = 0.4758AWGN（SNR 0.5 dB）缩放（* 0.9）截断+PRD = 0.6953PRD = 0.7167PRD = 0.6057裁剪（33%折扣）缩放（* 1.1）截断*PRD = 0.8331+标记数据的LSB被截断。*标记数据的最后两位被截断。PRD = 0.7406PRD = 0.8576图12个。对所提方法的各种ECG输入进行了RS分析（a）ECG 100、（b）ECG 107、（c）ECG 116、（d）ECG 203、（e）ECG 233和（f）ECG 234。分析和PDH分析（Sahu和Swain，2019 a），我们可以在数据嵌入之前对输入消息执行加扰（或简化加密）技术，以增加消息的安全性，因为加扰的输入数据可以大大降低第三方窃听和篡改的风险。5. 结论在这项工作中，我们提出了一种改进的心电图隐写通过CAT和LSB技术与SD块。我们没有直接在空间域中嵌入秘密消息，在IWT域的系数中的秘密比特，其具有抵抗操纵的额外特性。根据宿主块的统计信息，通过所提出的第一类或第二类算法，可以有效地将数据比特嵌入到IWT系数中。实验结果表明，该方法具有较高的隐藏存储量和较高的感知质量。此外，该方法具有一定的鲁棒性，这是在传统的心电隐写中很少发现的。此外，由于所提出的算法是简单的，具有较低的时间复杂度，它可以实现在移动（或可穿戴）生物识别设备。我们未来的工作将集中在使用杨庆宇，王文芳沙特国王大学学报5881图13岁对所提方法的各种ECG输入进行了PDH分析（a）ECG 100、（b）ECG 107、（c）ECG 116、（d）ECG 203、（e）ECG 233和（f）ECG 234。机器学习算法，以提高隐藏容量和感知质量以及基于其他变换域（例如极坐标系统域）的额外鲁棒性，这可能能够逃避隐写分析工具的检测资金这项研究没有从公共、商业或非营利部门的资助机构获得任何具体的资助。作者贡献杨庆余发展了这一理论并进行了实验。Wen-Fong Wang验证了形式和计算。两位作者构思了提出的想法，讨论了结果，并为最终手稿做出了贡献。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。引用Hussain，文学硕士，Wahab，WA，BinIdris，Y. I.，嘿，A.T.S.，Jung，K.H.，2018.空 间 域 图 像 隐 写 研 究 综 述 。 信 号 处 理 。 图 像 通 信 65 ， 46-66 。https://doi.org/10.1016/j.image.2018.03.012网站。Kadhim，I.J.，Premaratne，P.，小瓶，P.J.，Halloran，B.，2019.图像隐写术综述：技术、评价和未来研究趋势。神经计算335,299-326.https://doi.org/10.1016/j.neucom.2018.06.075网站。Sahu，A.K.，Swain，G.，2019年a。基于改进LSB匹配和像素差的高保