面向医学图像的半脆弱水印算法

刘亚中，李 伟，李 黎

(1.杭州电子科技大学图形图像研究所，浙江 杭州310018;2.吉林省建设项目招标有限责任公司，吉林 长春130021)

0 引言

目前，传统的数字水印技术在医学图像的完整性鉴别时，不能准确地定位出篡改位置。半脆弱水印算法能检测出图像内容的变化，且广泛应用于图像的篡改认证中［1－3］。最早提出将图像分块，利用Hash函数获取块的特征信息，加密后嵌入最低有效位中，该算法极易受到矢量量化攻击［4］。继而出现添加参数、分层及滑动窗口的技术，可以加强图像分块之间的相关性，但是却降低了篡改定位的精度［5－6］。利用梯度分割阈值抽取图像特征作为水印，调制小波系数再嵌入水印，该算法偶然篡改定位效果较差［7］。使用度量方法计算象素块的分布特点，能较好地区分恶意与偶然篡改，但水印的透明性较低［8］。计算图像块的高6位比特的均值作为特征水印，利用混沌加密和确定水印的嵌入位置，该算法的定位精度为2×2的图像块［9］。综合以上分析，大部分水印算法未考虑提取水印可能有大范围的篡改，可能导致篡改定位出现错误判断，虚警概率都比较高。本文在文献［9］的基础上，引入了认证水印与提取水印的之间的相似度概念，当水印的相似度大于0.6时，认证篡改定位结果正确;否则，认证有误，应该舍弃。因此，该算法能大大地降低虚警概率，并且提高篡改定位的准确性和安全性。

1 水印算法

1.1 水印相似度

虚警概率是指实际上图像的内容没有发生篡改，而篡改定位检测结果却报告有内容被篡改。根据算法可知，如果认证的图像块各象素比特保持不变，即水印嵌入和提取的水印是完全相同的，则不可能会出现错误判断。

根据医学图像的特殊性，数字水印算法对水印的透明性要求比较高，即指嵌入水印后的载体数据没有明显的降质现象，不会影响到医生对病人病情的判断。现实中的医学图像都是用12 bit来表示的DICOM文件，普通的图像处理软件都是不支持这个格式的，为了更好地对医学图像进行读取，本文将其进行线性变换到8 bit的数据范围。从最高到最低有效位将整幅医学图像分解为8个位平面，图像从高位到低位的平面图细节不断增加，前5个位平面含有明显的视觉信息，能反映出原图像。而后3个位平面的象素值分布随机，只含有原始图像中非常细小的细节信息，已感觉不出这些低位区域的变化。

根据图像的这一特性，可以在图像的最低1 3位比特嵌入和隐藏水印信息，引入水印相似度的概念。基本思想是先将图像分块，计算块中高5位比特的灰度均值，将其嵌入到图像的2个最低有效位中。再按照奇偶法重新计算相同水印作为认证水印，将其嵌入到图像的最低第3有效位中。比较被篡改图像的认证水印和2个最低有效位中提取水印之间的相似度，水印相似度的阈值为0.6，即:

1.2 水印嵌入

水印嵌入的具体步骤如下:

(1)将医学图像的最低1 3位置零，对图像2×2大小分块，提取分块中4个象素点高5位的灰度均值并量化8 bit水印信息，利用混沌序列对水印信息进行异或加密;

(2)确定各比特嵌入的位置，对于图像分块中的每个象素点，将水印信息中的1 4位的值嵌入分块象素点的LSB位中，其余5 8位的值嵌入到该象素点的次低位中;

(3)按照奇偶法重新计算原水印信息得出4 bit认证水印，嵌入到图像分块象素点的最低第3有效位中，得到含水印医学图像。

1.3 水印提取

水印提取可以看作是水印嵌入的逆过程，水印检测及完整性认证具体步骤如下:

(1)读取需检测的含水印医学图像，按2×2大小分块，从图像的2个最低位有效位中提取水印信息，并从最低第3有效位中提取认证水印;

(2)按照水印嵌入的步骤1计算检测图像的原始水印，对原始水印和提取水印进行比较，如果相等，则分块未被篡改;反之，则标识为篡改，遍历整幅图像得到篡改标志矩阵，用黑色区域表示未被篡改的区域，白色点表示篡改区域;

(3)按照奇偶法计算从2个最低位有效位中提取的水印，再与提取的认证水印进行相似度比较，验证提取水印的准确性，降低虚警概率。如果水印相似度的值大于0.6，则认证篡改结果正确。反之，认证结果出现了误判。

2 仿真实验

实验采用大小为512×512的医学图像，混沌初值x0=0.2，u=4。给出了3幅医学图像，实验结果如图1所示。其中图1(a)为肺部医学图像，图1(b)为肺部含水印图，图1(c)、(d)分别为副鼻窦图和其含水印图，图1(e)、(f)为上腹部图和其含水印图。其PSNR值均为42 dB左右，从图中可以看出这些含水印的医学图像的透明性都比较好。

图1 载体图像和含水印图

医学图像受到恶意篡改的实验结果如图2所示。图2(a)为肺部医学图像受到10%剪切攻击的定位结果，其NC值为0.91，图2(b)、(c)分别为剪切30%和40%的定位结果，从图中可以看出，定位出的剪切区域都非常准确。图2(d)、(e)分别为添加文字和日期后的实验结果，其NC均为0.98。而图2(f)为肺部图像受到涂改攻击后的实验结果，其NC值为0.96。从大量仿真实验结果可以得出，本文的篡改定位算法定位精度和准确性非常高。

图2 篡改定位实验结果

为了突出该算法的优越性，将本算法与文献［9］的算法进行了对比，结果如图3和表1所示。对含水印图像的最低位进行篡改后如图3(a)所示，由于医学图像的内容未被篡改，不影响图像的观察效果，而文献［9］的定位结果是整幅图像都被篡改，其定位结果有误如图3(b)所示。本文检测的水印相似度为0.49，其值低于0.6，因此判定篡改结果有误，该舍弃如图3(c)所示。因此得出本算法比文献［9］算法的虚警概率更低，更具实用性。

图3 本算法与文献［9］的对比结果

表1 本算法与文献［9］的篡改定位结果对比

3 结束语

本文提出的算法引入了水印相似度的概念，大大地降低了虚警概率，避免了篡改定位时出现误判的现象。算法实现了对医学图像内容完整性认证和篡改的精确定位，篡改定位结果正确性和安全性较高，实用性也较强。

［1］Lin C Y，Chang S F.A robust image authentication method distinguishing JPEG compression from malicious manipulation［J］.IEEE Transactions on Circuits and Systems of Video Technology，2001，11(2):153 －168.

［2］Maeno K，Sun Q，Chang S.New semi－fragile image authentication watermarking techniques using random bias and nonuniform quantization［J］.IEEE Transactions on Multimedia，2006，8(1):32 － 45.

［3］Lin C H，Su T S，Hsieh S.Semi-fragile watermarking scheme for authentication of JPEG images［J］.Tamkang Journal of Science and Engineering，2007，10(1):57 －66.

［4］Wong P W.A public key watermark for image verification and authentication［C］.Chicago:Proceedings of the IEEE International Conference on Image Processing，1998:455 －459.

［5］Celik M U，Sharma G，Saber E.Hierarchical watermarking for secure image authentication with localization［J］.IEEE Transactions on Image Processing，2002，11(6):585 －595.

［6］Lin P，Hsieh C，HSIEH W S.A hierarchical watermarking method for image tamper detection and recovery［J］.Pattern Recognition，2005，38(2):2 519 －2 529.

［7］王向阳，陈利科.一种新的自适应半脆弱水印算法［J］.自动化学报，2007，33(4):361－366.

［8］Xiao Junqi，Xing Xin.A quantization-based semi-fragile watermarking scheme for image content authentication［J］.Journal of Visual Communication and Image Representation，2011，22(2):187 －200.

［9］黄良永.混沌的完全脆弱认证水印改进算法［J］.计算机工程与应用，2009，45(16):103－105.