[发明专利]一种基于纹理度交叉嵌入的医学图像篡改检测及自恢复方法

权利要求书

1.一种基于纹理度交叉嵌入的医学图像篡改检测方法，其特征在于依次按照如下步骤进行：

步骤1.将医学图像划分为ROI区域和RONI区域；

步骤2.在ROI区域依据不同特征计算纹理复杂度，并根据纹理复杂度将ROI区域分为纹理块和平滑块，利用压缩感知技术在不同块内提取不同特征作为恢复信息；

步骤3.在ROI区域设置像素级和块级检测位；

步骤4.在RONI区域基于参考矩阵和交叉嵌入技术实现恢复信息隐藏；

步骤5.图像复制粘贴攻击检测；

步骤6.ROI区域双重篡改检测定位。

2.根据权利要求1所述的基于纹理度交叉嵌入的医学图像篡改检测方法，其特征在于：

所述步骤1具体如下：

步骤1.1将医学图像img_mark转换成灰度图像格式img_origin；

步骤1.2识别医生手动标识ROI区域边缘线位置，在二值矩阵img_edge中将边缘线像素赋值为1，其余像素赋值为0；

步骤1.3扫描矩阵img_edge，将边缘内部区域用1填满，形成ROI区域img_area，其余部分为RONI区域；

步骤1.4将ROI区域img_area进行4×4分块，判断块中是否有像素值为1，如果有，就将块内像素全部变为1，否则不进行操作；

步骤1.5构建辅助信息aux_ROI_area，包括ROI区域个数area_num，每个ROI区域的左上角和右下角的坐标loc_LRs；

所述步骤2具体如下：

步骤2.1计算ROI区域img_area子块纹理度：

步骤2.1.1依据公式(1)计算子块能量值：

其中g代表的是灰度共生矩阵，d，θ是两个灰度之间的距离和方向，k表示子块的大小；

步骤2.1.2依据公式(2)计算子块熵值：

步骤2.1.3依据公式(3)计算子块对比度：

步骤2.1.4通过均方误差分别给所有子块能量、熵和对比度三个特征值分配不同权重，并计算最终特征值J、H、D；

步骤2.1.5对三个最终特征值分配权值w₁,w₂,w₃，计算纹理复杂度f,其中w₁,w₂,w₃由全局优化算法确定：

f＝w₁×J+w₂×H+w₃×D (4)

步骤2.2若子块纹理复杂度f大于阈值T_c则为纹理块，否则为平滑块；

步骤2.3生成位置图map_ROI_complexity，其中1和0分别代表纹理块和平滑块，再利用哈夫曼编码进行压缩，用14位二进制位存放压缩后长度，最后将长度信息和整个辅助信息拼接形成辅助信息aux_complexity；

步骤2.4将ROI区域的每个4×4子块棋盘式交叉划分成两个不相交部分和第一部分正序存储，第二部分倒序存储；

步骤2.5取出正序存储的第一部分，根据此块的纹理类别，进行不同类型的压缩感知：

步骤2.5.1对于纹理块，计算子块所有像素的平均值ave_m、高平均值h_m和低平均值l_m，如公式(6-8)所示，其中x_n是块内高于平均数的像素个数，P_m是像素值；

将高平均值h_m的像素标记为1，低平均值l_m的像素标记为0，生成位图block_loc_map，将位图、二进制高平均值h_m和二进制低平均值l_m组合生成子块恢复信息reduction_part_1；

步骤2.5.2对于平滑块，利用公式(6)计算子块平均值，将其转换为二进制，构建恢复信息reduction_part_1；

步骤2.6取出倒序存储的第二部分，同步骤2.1-2.4进行压缩感知，判断此块的纹理类别，再分别按照2.5.1或2.5.2对纹理块和平滑块进行不同的压缩操作，最后生成二进制还原信息reduction_part_2；

步骤2.7将{reduction_part_1，reduction_part_2}分别用哈夫曼编码进行压缩，用20bit二进制存放压缩后的长度{reduction_part_1_length，reduction_part_2_length}；

所述步骤3具体如下：

步骤3.1将ROI区域的每个4×4子块棋盘式交叉划分为两个不相交部分和

步骤3.2构造第一部分校验位：

步骤3.2.1首先通过公式(9)将像素值P_m转化成二进制形式，对子块内第一部分像素，除最后一像素外，其他所有像素保持前7位不变，最后一位置零；对于最后一像素，保持其前6位不变，最后两位置零；

步骤3.2.2通过公式(10)判断每个像素前7位中0,1数量，若1的数量多，则检验位为1，否则为0，并将检验位P_I置于每个像素的第8位；

步骤3.2.3将除最后一像素外的每个像素的前7位按位异或，最终形成检验位B_I，赋值给最后一个像素的第7位；

步骤3.3构造第二部分校验位：

步骤3.3.1对子块第二部分像素，保持每个像素前7位不变，最后一位置零；

步骤3.3.2将第一个像素的前七位转换成十进制，再除以128，得到0-1之间的小数，保留三位小数，生成第一个参数para_1；

步骤3.3.3将其他像素的前7位转化为十进制并相加，生成第二个参数para_2；

步骤3.3.4令Z₀＝para_1，a＝para_2，利用ICMIC映射如公式(11)生成随机序列；

步骤3.3.5取随机序列前4个不同值进行排序，将排序索引值0-3分别转换为2位二进制拼接在一起，形成8位块级校验位，置于每个像素的最后一位；

所述步骤4具体如下：

步骤4.1构建嵌入参考矩阵C，如公式(12,13)所示，其中i和j都属于[0,255]，设置初始值C(0,0)＝0，约束条件为参考矩阵C中每个3×3块中的值不重复且为0-8；

C(i+1,j)＝(C(i,j)+1)mod9 (12)

C(i,j+1)＝(C(i,j)+3)mod9 (13)

步骤4.2将RONI区域划分为2×2子块，将每个子块左上和右下构成一个像素对，左下和右上构成另一个像素对；

步骤4.3将辅助信息aux_ROI_area嵌入到图像的第1,2行LSB中；

步骤4.4辅助信息aux_complexity与恢复信息reduction_part_1合并作为正序嵌入的第一部分待嵌入信息；reduction_part_2作为第二部分倒序嵌入待嵌入信息；

步骤4.5将待嵌入信息每3位二进制转换为1位八进制；

步骤4.6通过公式(14)计算子块像素对之间的差值X_d，X_L和X_R分别对应像素对的两个像素值；

X_d＝X_L-X_R (14)

步骤4.7依据差值与阈值的关系，利用参考矩阵C实现替换嵌入；

若X_d小于或等于阈值T_dif，则按照如下(1)-(3)进行：

(1)溢出处理

如果像素对中存在像素值0或255，则将0置为1，将255置为254；

(2)定位

将像素对(X_L,X_R)对应到参考矩阵C中，找到对应的点R_t(X_L,X_R)；

(3)嵌入

以R_t(X_L,X_R)为中心点的3×3矩阵内寻找待嵌入八进制信息b所在位置，找到对应的坐标(X_L′,X_R′)，利用公式(15)将原始像素对(X_L,X_R)修改为(X_L′,X_R′)，其中M∈[-1,1]，i，j表示位置索引；

(X_L′,X_R′)＝(X_L±M_i,X_R±M_j) if C(X_L±M_i,X_R±M_j)＝＝b (15)

若X_d大于阈值T_dif，则按照如下(1)-(4)进行：

(1)溢出处理

如果像素对中存在像素值0或255，将0值设置为2，将255设置为253；

(2)定位

将像素对(X_L,X_R)对应到参考矩阵C中，找到对应的点R_t(X_L,X_R)；

(3)确定嵌入范围

对于待嵌入信息八进制b，根据X_d的正负确定嵌入范围：

如果X_d为正，在(X_L,X_R)到(X_L+2,X_R-2)的矩形范围内寻找b所在位置；

如果X_d为负，在(X_L,X_R)到(X_L-2,X_R+2)的矩形范围内寻找b所在位置；

(4)嵌入

依据公式(16)找到对应的坐标(X_L′,X_R′)，将原始像素对(X_L,X_R)修改为(X_L′,X_R′)，其中U∈[0,2]，V∈[-2,0]，i，j表示位置索引；

所述步骤5具体如下

步骤5.1将整个图像分为4×4子块p，利用公式(17-20)计算子块梯度大小和梯度方向：

p_h＝(p(i,j-1)-p(i,j+1))+(p(i+1,j)-p(i-1,j)) (17)

p_o＝(p(i-1,j-1)-p(i+1,j+1))+(p(i+1,j-1)-p(i-1,j+1)) (18)

grad_size(f)＝|p_h|+|p_o| (19)

步骤5.2按照块重叠的方式进行块扫描，扫描步长为1；

步骤5.3将4×4的子块划分为4个2×2子单元，计算每个子单元中的梯度大小和梯度方向，用梯度直方图来表示；

步骤5.4构造子块特征

将四个子单元的梯度直方图连接起来形成子块特征值1；再将4×4子块进行DCT变换，将系数矩阵左上角第一行第一列的值作为子块特征值2，将两个特征结合到一起构造子块特征character_all；

步骤5.5将所有4×4块的特征值两两相减得到dif_value_ij，其中i≠j，如公式(21)所示：

dif_value_ij＝character_all_i-character_all_j (21)

步骤5.6设定阈值mark_yy，将差值dif_value_ij与阈值mark_yy进行比较，利用公式(22)判断其是否为复制粘贴篡改块，如果dif_value_ij小于或等于mark_yy，表示两块相同，即为复制粘贴篡改块，将检测结果S_ij设置为1；否则，将检测结果S_ij设置为0，表明为非复制粘贴篡改块；

步骤5.7标记出属于ROI区域的复制粘贴篡改块：D_i＝{d_i|i＝1,2,…,n}；

步骤5.8通过邻域方法进一步定位ROI区域复制粘贴篡改块：

对于ROI区域的所有子块，计算其8邻域中篡改块的数量，如果大于等于5，此块确定为篡改块，否则此块是非篡改块，如公式(23)所示，其中N₈(d_i)表示d_i的8领域中篡改块的数量；

所述步骤6具体如下：

步骤6.1从图像的第一二行的LSB中提取出ROI区域辅助信息aux_ROI_area，通过ROI区域个数area_num和每个ROI区域的左上角和右下角的坐标loc_LRs确定ROI区域；

步骤6.2依据公式(5)将ROI区域的每个4×4子块棋盘式交叉划分成两个不相交部分和第一部分正序存储，第二部分倒序存储；

步骤6.3第一重篡改检测定位：

步骤6.3.1按正序取子块中第一部分的最后一个像素的第7位，得到检测位B_I；

步骤6.3.2将其余像素前7位按位异或，得到一个检测位B_I′；

步骤6.3.3块级检测：将B_I和B_I′进行对比，如果不相同，则认定该子块被篡改，否则，认定为未被篡改，实现块级篡改检测定位；

步骤6.3.4提取每个像素将最后一位作为检测位P_I；

步骤6.3.5计算每个像素的前7位的1,0数量，如果1多，则检测位P_I′为1，反之为0；

步骤6.3.6将P_I′和P_I进行比较，如果不相同，则认定该像素被篡改，反之，认定为未被篡改，实现像素级篡改检测定位；

步骤6.3.7生成和图像ROI区域等大小的位置图LP₁，标记像素是否被篡改，被篡改标记为1，否则标记为0；

步骤6.4第二重篡改检测定位：

步骤6.4.1按逆序取子块中第二部分所有像素的第8位，拼接在一起形成W_I；

步骤6.4.2取第一个像素的前7位，转化为十进制，除以128，得到0-1之间的小数，保留三位小数，生成第一个参数para_1；

步骤6.4.3将其他像素的前7位转化为十进制，再相加，生成第二个参数para_2；

步骤6.4.4令Z₀＝para_1，a＝para_2，利用ICMIC映射如公式(11)生成随机序列；

步骤6.4.5取随机序列前4个不同值进行排序，将排序索引值0-3分别转换为2位二进制拼接在一起，形成8位块级校验位W_I′；

步骤6.4.6判断W_I′和W_I是否相同，生成和图像ROI区等大小的位置图LP₂，标记像素是否被篡改，被篡改标记为1，否则标记为0；

步骤6.5将位置图LP₁和LP₂合并为LP，LP₁或LP₂标记其被篡改，则该像素认定为被篡改，置1，否则认定为未被篡改，置0，如公式(24)；

步骤6.6利用方向子带进一步确定篡改块

针对每个子块，定义四个方向带，分别是(S,SW,W),(W,NW,N),(N,NE,E),(E,SE,S)，其中S代表位于该块南方的块，W代表位于该块西方的块，SW代表位于该块西南方的块，以此类推；如果一个块的四个方向带都被篡改，那么该块被认为是篡改块，否则认为是非篡改块，如公式(25)所示，其中N₄(d_i)表示d_i的4个方向带中被篡改的数量；

3.一种权利要求2所述基于纹理度交叉嵌入的医学图像篡改检测方法对应的篡改恢复方法，其特征在于按照如下步骤进行：

步骤7.1构建嵌入参考矩阵C，如公式(12,13)所示，其中i和j都属于[0,255]，设置初始值C(0,0)＝0，约束条件为参考矩阵C中每个3×3块中的值不重复且为0-8；

步骤7.2将RONI区域划分为2×2子块，将每个子块左上和右下构成一个像素对，左下和右上构成另一个像素对；

步骤7.3依据像素对(X_L,X_R)按照坐标的方式对应到参考矩阵C上，提取对应值R_t(X_L,X_R)，得到秘密信息；

步骤7.4取前5个提取信息，转换成十进制，计算出压缩位置图的长度；

步骤7.5继续从后面提取相同长度的压缩位置图，解压缩，形成纹理分类位置图；

步骤7.6通过正序提取第一部分的秘密信息，倒序提取第二部分信息；

步骤7.7按照位置图的标识，确定压缩感知的分类，纹理块用24位表示，平滑块用8位表示；如果是纹理块，将24位拆分成8+8+8，第一个8位代表高平均值，第二个8位代表低平均值，第三个8位代表对应块中的值分布位置图；

步骤7.8对于纹理块，用高平均值替换位置图中的1，低平均值替换0，最后形成还原块；对于平滑块，直接将8位转换为十进制替换块中第一部分像素，完成图像恢复。