基于圖像特征的醫(yī)學(xué)圖像水印算法

沈炎斌

(福州大學(xué)至誠學(xué)院計算機工程系，福建福州350002)

基于圖像特征的醫(yī)學(xué)圖像水印算法

沈炎斌

(福州大學(xué)至誠學(xué)院計算機工程系，福建福州350002)

為了隱藏醫(yī)學(xué)圖像中病人的個人信息，并對醫(yī)學(xué)圖像進行認(rèn)證，提出了一種基于SIFT特征點的醫(yī)學(xué)數(shù)字水印算法，是一種零水印方案，不會影響原醫(yī)學(xué)圖像的質(zhì)量。算法考慮到小波域在抵抗JPEG壓縮中的優(yōu)良特性，選擇從小波低頻系數(shù)中尋找特征點，同時通過尋找紋理復(fù)雜的區(qū)域，自動定位到ROI，以提高算法的魯棒性。該算法可以抵抗常規(guī)攻擊和幾何攻擊，取得了較好的效果。

圖像特征；SIFT；零水印

隨著圖像處理技術(shù)和計算機科學(xué)技術(shù)的不斷發(fā)展，數(shù)字成像技術(shù)在醫(yī)學(xué)中的應(yīng)用日益廣泛。醫(yī)學(xué)圖像的數(shù)字化使得對其惡意篡改成為可能。同時，直接將病人的個人信息等重要信息標(biāo)示在醫(yī)學(xué)圖像上，會造成病人隱私的泄露。使用數(shù)字水印技術(shù)將病人信息作為數(shù)字水印嵌入到醫(yī)學(xué)圖像中，既可以實現(xiàn)病人信息的隱藏，又可以達到醫(yī)學(xué)圖像認(rèn)證的目的。

在實際的醫(yī)療活動中，病灶區(qū)包含了最重要的病理信息，是醫(yī)學(xué)圖像的ROI（region of interest，感興趣區(qū)域），任何微小的改動都有可能會影響醫(yī)生的診療或判斷。只要在嵌入水印的時候不改變病灶區(qū)的內(nèi)容，或者將水印嵌入到病灶區(qū)之外（即RONI，region of non-interest，非感興趣區(qū)域），就可以將數(shù)字水印技術(shù)應(yīng)用到醫(yī)學(xué)圖像中。

文獻[1]提出了4種二維醫(yī)學(xué)圖像的水印算法，并申請了發(fā)明專利。這4種算法基本是從醫(yī)學(xué)圖像的DCT或DFT變換的低中頻系數(shù)中得到視覺特征向量來進行水印的嵌入與提取。文獻[2]在原有算法的基礎(chǔ)上，通過Arnold置亂變換對水印進行預(yù)處理來提高水印信息的安全性。而文獻[3]則是通過混沌加密技術(shù)對水印進行預(yù)處理。由于圖像進行DCT變換后，重要的信息都集中在DCT變換的低中頻系數(shù)中，只占了一小部分系數(shù)，其他系數(shù)在圖像壓縮處理中會被拋棄或進行量化以減小數(shù)據(jù)量。因此在實際使用過程中，水印的長度要盡量短，水印容量會受到限制。文獻[1-2]選擇的水印長度為32位。

本文提出了一種從尺度不變特征點（SIFT特征點）中得到特征向量的醫(yī)學(xué)圖像數(shù)字水印算法。首先對圖像進行DWT變換，從低頻分量中提取尺度不變特征點，通過自適應(yīng)的鄰域半徑來從中篩選出一個參考點，由其128位的描述子得到特征向量用于水印嵌入。該算法為一種零水印方案，不會影響原醫(yī)學(xué)圖像的質(zhì)量，水印長度達到128位，可以嵌入的信息更多。實驗結(jié)果表明，該算法可以抵抗常規(guī)攻擊和幾何攻擊，有很好的魯棒性。

1　SIFT介紹

SIFT(scale invariant feature transform，即尺度不變特征)算法由D.G.Lowe于1999年提出，2004年完善總結(jié)。這是一種提取局部特征的算法，在尺度空間尋找極值點，提取位置，尺度，旋轉(zhuǎn)不變量，滿足Kutter等人[4]于1999年提出的第二代數(shù)字水印技術(shù)的性質(zhì)要求。

算法首先在尺度空間上進行特征檢測，并確定特征點（keypoints）的位置和特征點所處的尺度，然后使用特征點鄰域梯度的主方向作為該點的方向特征，生成一個128維的特征描述子[5]。在這個特征描述子中，濾除梯度大小大于0.2的梯度值，然后重新歸一化。這樣的話，梯度大小的作用被弱化了，而方向信息的作用被強化了，0.2是Lowe在實驗中得出的經(jīng)驗值。

2　水印嵌入步驟

2.1對原始醫(yī)學(xué)圖像作1級DWT變換

DWT變換，即離散小波變換。為了保證水印算法的魯棒性，水印應(yīng)放在對視覺系統(tǒng)感覺上最重要的分量上。經(jīng)過小波分解后，其低頻分量是對原圖像的近似，是感覺上最重要的分量，攜帶較多的信號能量。由圖像壓縮知識可知，在低頻分量系數(shù)中加入的水印在圖像進行JPEG等有損壓縮的操作中不易被丟失。文獻[6]通過實驗進一步證明了低頻分量系數(shù)比高頻分量系數(shù)具有更大的容量。

所以，首先對原始醫(yī)學(xué)圖像作1級小波變換，得到圖像的多分辨表示:LL1，LH1，HL1，HH1。LL1表示最低頻分量，是圖像的一個低分辨逼近，LH1，HL1，HH1分別表示水平低頻垂直高頻分量，水平高頻垂直低頻分量以及對角方向高頻分量。特征向量一般都是從低頻分量LL1系數(shù)矩陣中提取，以保證水印有足夠的魯棒性。

2.2提取SIFT特征點

根據(jù)文獻[5]介紹的SIFT算法從低頻分量LL1中提取出特征點。由于本文提取的SIFT特征點是對應(yīng)于圖像中像素突變點，鄰域內(nèi)特征點數(shù)目越多，其紋理越強，即為該醫(yī)學(xué)圖像中的ROI。以此為衡量，選擇紋理強的區(qū)域的特征點，具有較好的魯棒性，不用擔(dān)心會丟失該特征點。因為一旦該區(qū)域被剪切掉，該醫(yī)學(xué)圖像就失去了意義。

為此，若某特征點鄰域內(nèi)特征點數(shù)目最多，則選擇該特征點來生成特征向量。鄰域半徑的確定是利用特征點的尺度信息來自適應(yīng)地進行的，即：

其中s表示特征點在取得局部極值時所對應(yīng)的尺度，具有縮放不變性，λ是常量，可用來控制鄰域半徑的大小。

2.3生成圖像的特征向量

保存由上述方法選擇出來的特征點的描述子descriptor，在提取水印時要用到。并由descriptor得到圖像的特征向量V：

2.4水印的嵌入

病人的信息可以看成是一幅二值圖像，將其轉(zhuǎn)化為一維數(shù)組W，作為水印嵌入到特征向量V中。為此，將水印W（不足128位，則在后面補零）與特征向量V進行異或運算，若水印W不足128位，則在后面補零。再對運算后的結(jié)果進行加密，得到一個128維的二值序列Key。在IPR信息數(shù)據(jù)庫中注冊登記這個二值序列Key，一旦注冊后，就可以認(rèn)為原圖像已在水印技術(shù)的保護下。

3　水印提取步驟

本算法為零水印算法，與水印嵌入過程類似。

具體算法如下：

（1）對待檢測醫(yī)學(xué)圖像進行小波變換，提取出低頻分量系數(shù)LL1；

（2）提取出SIFT特征點；

（3）利用嵌水印時保存的描述子descriptor，尋找與之匹配的特征點，生成特征向量V'；

（4）將Key解密后與V'進行異或運算，提取出水印W'；

（5）通過計算提取出來的水印W'與原始水印W的相似度sim，并與閾值T作比較，以最終衡量水印是否存在。這里采用歸一化系數(shù)進行相似度的定量評價，計算公式為：

4　仿真實驗

為了驗證上述水印算法的有效性，使用Matlab7.0進行仿真。實驗首先生成1000組獨立的二值偽隨機序列（取值為0或1），每組長度128位，選取第500組作為水印序列，代表病人的信息。原始醫(yī)學(xué)圖像為圖1所示，大小為512×512。在不加干擾的情況下，水印檢測結(jié)果為圖2所示，橫軸代表這1000組獨立的二值偽隨機序列，縱軸代表它們與水印的相似度，從圖中可以明顯看出，非水印序列與水印序列的相似度在0.6以下，因此實驗中取0.6作為閾值T。

圖1原醫(yī)學(xué)圖像

圖2檢測器響應(yīng)

StirMark[7]是目前比較權(quán)威的水印攻擊軟件，它使得很多經(jīng)典的水印算法失效。為了證實本算法的有效性和魯棒性，在實驗中使用StirMark軟件對原始醫(yī)學(xué)圖像分別作了信號處理攻擊和幾何攻擊等攻擊，例如加入噪聲、JEPG壓縮處理，還有旋轉(zhuǎn)、尺度縮放、剪切等。

實驗結(jié)果如表1～6所示。

表1加入噪聲

表2JPEG壓縮處理

表3旋轉(zhuǎn)變換

表4縮放變換

表5剪切

表6旋轉(zhuǎn)+縮放

從表1看出，面對噪聲攻擊，當(dāng)噪聲強度在25%以下時，都能檢測出水印。由于噪聲強度大于20%時，醫(yī)學(xué)圖像已經(jīng)非常模糊，對實際診療沒有幫助，所以本算法對噪聲攻擊有較好的魯棒性。從表4看出，在原醫(yī)學(xué)圖像縮小一半以上，僅得到其模糊圖像的情況下，本算法仍能檢測出水印，對縮放攻擊有較好的魯棒性。從表2、表3、表5和表6看出，本算法對JPEG壓縮攻擊和剪切攻擊有非常好的魯棒性，對旋轉(zhuǎn)等也有很好的魯棒性。

以上實驗數(shù)據(jù)表明，本算法對常規(guī)攻擊和幾何攻擊，具有很好的魯棒性。

5結(jié)束語

本文提出了一種基于SIFT特征點的醫(yī)學(xué)數(shù)字水印算法，是一種零水印方案，不會影響原醫(yī)學(xué)圖像的質(zhì)量。算法考慮到小波域在抵抗JPEG壓縮中的優(yōu)良特性，選擇從小波低頻系數(shù)中尋找特征點，通過尋找紋理復(fù)雜的區(qū)域，自動定位到ROI，提高了算法的魯棒性。本算法取得了與文獻[1]類似的效果，但水印長度更長，水印容量更大。由于Lowe已申請了SIFT算法的專利，為了能夠申請發(fā)明專利，下一步的工作是對SIFT算法進行改進或者尋找替代算法，對PCA-SIFT、SURF等進行分析實驗。

[1］李京兵，杜文才．二維和三維醫(yī)學(xué)圖像穩(wěn)健數(shù)字水印技術(shù)［M］．北京：知識產(chǎn)權(quán)出版社，2011：74－125．

［2］隋淼，李京兵．一種基于Arnold置亂變換和DCT的醫(yī)學(xué)圖像魯棒水印算法［J］．計算機應(yīng)用研究，2013，30（8）：2552－2556．

［3］劉瑤利，李京兵．一種基于DCT和Logistic Map的醫(yī)學(xué)圖像魯棒多水印方法［J］．計算機應(yīng)用研究，2013，30（11）：3430－3433．

［4］KUTTER M，KBHATTACHARJEE S，EBRAHIM I T．Towards second generation watermarking schemes［C］．//Proc of IEEE Int’l Conf on Image Processing（ICIP’99）．1999：320－323．

［5］LOWED G．Distinctive image featuresfrom scale－invariantkeypoint［J］．International JournalofComputer Vision，2004，2（60）：91－110．

［6］黃達人，劉九芬，黃繼武．小波變換域圖像水印嵌入對策和算法［J］．軟件學(xué)報，2002，13（7）：1290－1296．

［7］IN WONG，PINGWAH，EDWARD J．The society for imaging science and technology（I．S．＆T．）and the international Society for optical engineering（SPIE）［M］／／FABIEN A P，PETITCOLAS MARTIN STEINEBACH，F(xiàn)RéDéRIC RAYNAL，et al．P roceedings of E lectronic I maging，S ecurity and watermarking of Multimedia C ontents III，a P ublic A utomated web－based E valuation S ervice for watermarking S chemes：S tirmark B enchmark．California：Spniger，2001．

［8］BASP，CHASSERY JM，MACQ B．Geomet rically invariantwatermarking using feature points［J］．IEEE Transon Image Processing，2002，11（9）：1014－1028．

［9］TANG C W，HANG H M．A feature－based robust digital image watermarking scheme［J］．IEEE Trans on Signal Processing，2003，51（4）：950－959．

［10］沈炎斌．基于圖像特征的水印算法［J］．三明學(xué)院學(xué)報，2012，29（2）：41－45．

（責(zé)任編輯：朱聯(lián)九）

watermarking A lgorithm for Medical Image Based on Image Feature

SHEN Yan-bin
(Department of Computer Engineering,Zhicheng College of Fuzhou University,Fuzhou 350002,China)

In order to hide patient's information inmedical image and authenticate it,a watermarking algorithm based on the SIFT keypoints was proposed in this paper,which is a zero-watermarking algorithm and will not affect the image's quality.Considering thatwavelet domain has excellentproperties against JPEG compression,this algorithm found a keypoint from low frequency wavelet coefficients,and located on the region of interest by finding domains of complicated texture to improve its robustness.This algorithm has good results againstattacks of the normaland the geometrical.

image feature;SIFT;zero-watermark

TP309.1

A

1673-4343（2015）06-0037-05

10．14098／j．cn35－1288／z．2015．06．008

2015-04-16

沈炎斌，男，福建詔安人，講師。主要研究方向：數(shù)字水印，圖像處理。