基于位平面压缩的密文医学图像可逆信息隐藏算法.docVIP

基于位平面压缩的密文医学图像可逆信息隐藏算法 　　摘 要：针对目前医学图像可逆信息隐藏算法嵌入容量小、需要对图像进行感兴趣区域（ROI）划分、接收方操作不灵活等缺点，结合医学图像特点，提出了一种基于位平面压缩的可分离式密文域信息隐藏算法。首先，将256级灰度医学图像分解成8个位平面，压缩高4个位平面，用峰值点像素值填充压缩后的空间，重构图像；然后，对重构的图像头部、中部、尾部分别加密；最后，在尾部根据嵌入密钥选取位置，通过直方图平移算法嵌入信息，接收方可根据密钥持有情况实现信息提取与图像恢复的可分离操作。实验结果表明，通过压缩图像预留空间来存放信息避免了辅助信息的传输，能有效提高嵌入容量，同时具有较高的安全性。 　　关键词： 医学图像；游程编码；直方图平移；信息隐藏；完全可逆 　　中图分类号：TP309.7 　　文献标志码：A 　　文章编号：1001-9081（2016）11-3088-05 　　0 引言 　　随着医疗系统数字化进程的推进，海量医学图像在网络上进行传输和存储，这使得载有患者隐私信息的医学图像可能被非法获取、恶意篡改和传播，因此，医学图像的安全性保护变成一个亟待解决的问题。加密技术和信息隐藏技术可以为医学图像的安全性提供保障。加密技术实现机密性保护，使得明文信息不可见。信息隐藏技术则实现完整性保护，判定内容是否真实可信。实际应用中，往往需要将加密技术和信息隐藏技术结合起来实现机密性和完整性的双重保护。文献[1]提出一种基于相邻像素相关性和流加密的信息隐藏算法； 文献[2]采用梯度算子以及side-match技术，降低了文献[1]嵌入信息的提取错误率； 文献[3]则首次实现了信息提取和图像恢复的可分离操作，接收方可以根据密钥持有情况灵活操作。 　　医学图像具有相邻像素相关性高、主要信息集中、能够进行区域划分等特征。有研究者将像素值高且纹理特征明显的部分称为感兴趣区域（Region Of Interest， ROI），将其余连续区域称为非感兴趣部分（Region Of Non-Interest， RONI）。针对此特点，文献[4]提出一种对比度增强的医学图像可逆信息隐藏算法，提高了感兴趣区域的视觉质量；文献[5]将区域划分与直方图平移算法相结合，提高了嵌入容量；文献[6]将ROI与轮廓波变换域相结合，使得信息隐藏性能良好，抗攻击能力强。这些算法虽然考虑了医学图像特征，但算法的性能依赖ROI分割方案，虽然有文献[7]提出优化的自动化ROI分割方案，但是其算法复杂度以及执行效率是一个瓶颈。基于上述局限，结合医学图像特点，本文提出一种基于位平面压缩的密文图像信息隐藏算法。该算法通过压缩位平面图像来预留空间存放信息，有效提高了嵌入容量，同时信息提取以及图像恢复完全可逆、接收端操作灵活简单。实验也证明，嵌入率极大提高，图像也可以完全恢复。 　　1 算法描述 　　医学图像相邻像素间的相关性较高，而高相关性一般体现在像素的最高几位比特位相同上。例如，像素值160（二进制表、162、168，其最高4个比特位均为1010。因此，为提高相邻像素连续性，保证压缩效率，首先对256级灰度图像作位平面分解操作，得到8个位平面，压缩高4个位平面后再对图像进行重构，然后使用Logistic置乱加密算法加密重构后的图像，最后嵌入水印。接收方根据其拥有的密钥类型进行相应操作。算法由以下几部分构成：图像压缩与重构、图像加密、水印嵌入、水印提取与图像恢复。算法的总体框架如图1所示。 　　1.1 图像压缩与重构 　　1.1.1 游程编码 　　游程编码（Run-Length-Encoding， RLE）[8]是一种高效、易于实现的无损压缩方式。如图2所示，将连续的灰度值相同的像素定义为一个游程，然后将一个游程用整数对（R，L）表示，L为灰度级，R表示游程长度。游程编码分为定长编码和变长编码两类。定长编码是指编码的游程所使用位数是固定，即R位数固定。如果灰度连续相同的个数超过了固定位数所能表示的最大值，则进入下一轮编码。变长编码则R位数不固定。游程编码压缩效率与压缩对象的数据分布有关，相同像素连续性越好，则压缩率越高。相邻像素具有高相关性的医学图像，通过位平面分解可以进一步提高其相邻像素的连续性，从而提高压缩效率。医学图像对质量要求高，处理量巨大，因此游程编码这种快速高效的无损编码方式非常适合用来对其进行压缩。 　　2.1.3 嵌入率分析 　　本文中，压缩图像腾出空间，再用峰值点像素对压缩出来的空间进行填充，填充后的峰值点数量如图9所示，几乎成倍增加。最大嵌入率如表2所示，本算法应用到医学图像上能够得到较好的压缩效果，拥有较高的嵌入率。 　　2.1.4 峰值信噪