[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

说明书

本发明公开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，将医学图像划分为ROI区域和RONI区域；在ROI区域依据不同特征计算纹理复杂度，以此将其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；在ROI区域设置像素级和块级检测位；RONI区域则基于参考矩阵和交叉嵌入技术实现恢复信息隐藏。不仅利用梯度直方图和DCT变换检测整个图像是否存在复制粘贴攻击，而且依据像素级和块级检测定位ROI区域的篡改块并提取恢复信息还原篡改图像，具有篡改检测能力强、自恢复效果好、安全性高、不可见性好和鲁棒性强的优点。

技术领域

本发明涉及一种医学图像篡改检测及自恢复方法，尤其涉及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。

背景技术

5G网络为远程医疗提供更优网络能力同时，医学图像数据在安全传输上存在着恶意篡改、非法拷贝、隐私泄露等问题。如果经过恶意篡改的医学图像被采用，将造成严重的公共信任危机。因此，研究医学图像篡改检测(医学图像完整性认证)技术势在必行。早期篡改检测算法只对图像的篡改与否进行判断，目前的篡改检测算法不仅要求进行篡改区域精确定位，而且要求近似恢复。

医学图像通常可分为感兴趣区域(ROI-Region of Interest)和不感兴趣区域(RONI-Region of Non-Interest)。Osborne等人率先提出对ROI区域和RONI区域分别处理，在保证ROI区域图像质量的同时对RONI区域进行压缩，后来多位学者提出提取ROI区域特征作为水印嵌入到RONI区域。

医学图像篡改方式具有多样性，图像复制-粘贴篡改(copy-move)是一种常用的手段。Fridrich等人首次定义了复制-粘贴篡改，并提出了基于块匹配的检测算法，后来多位学者分别提出了基于DWT变换、FWT变换等用于描述图像块特征。然而，基于块的检测方法鲁棒性较低。

Huang等人采用SIFT作为医学图像关键点检测与特征描述的方法，并使用BestBin First算法来寻找相似特征向量，进而确定匹配关键点位置。此后很多学者设计了一系列基于SIFT、SURF的算法。与基于块匹配的检测方法相比，基于关键点匹配的方法避免了全局搜索，提高了鲁棒性，然而，上述算法存在后处理掩盖操作的篡改痕迹以及检测效率低等问题。

发明内容

本发明为解决现有技术存在的上述问题，提出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。

本发明的技术解决方案是：一种基于纹理度交叉嵌入的医学图像篡改检测方法，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。

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；