[發明專利]云環境下一種基于DFT密文域醫學圖像檢索方法

在審

• 申請號: 201710175947.X
• 申請日: 2017-03-23
• 公開（公告）號: CN106940728A
• 公開（公告）日: 2017-07-11
• 發明（設計）人: 李京兵;張春艷;陳延偉;陳晶
• 申請（專利權）人: 海南大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N7/08;G06F17/14;G06F17/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于多媒體信息處理領域，涉及一種基于DFT變換及混沌映射(Logistic Map)的加密醫學圖像檢索技術，具體是云環境下一種基于DFT密文域醫學圖像檢索方法。

技術背景

隨著醫學數字化影像設備在臨床工作中日益廣泛的應用和圖像處理技術的深入發展，電子病歷和圖像歸檔通信系統方面的技術不斷發展，可供于臨床、教學和研究使用的醫學圖像數量迅速膨脹。醫生以及相關工作者如何準確快速地找到所需圖像成為亟待解決的問題。醫學圖像中往往包含有病人的隱私信息，為了保護病人的個人隱私不被泄露以及數據在傳輸過程中不被篡改，則需要對醫學圖像進行加密處理。另外，在云端存儲醫學圖像，為了保證使用云服務的過程中數據的安全性，也需要對圖像進行加密處理，并且希望云服務器可以完成基于密文域的醫學圖像的檢索。傳統的醫學圖像檢索是基于關鍵字的檢索方法，但如顏色、紋理、形狀等視覺內容不易于用簡單的文字描述，并且人們對于同一幅圖像的主觀描述存在較大的差別以及醫學圖像庫本來就存在許多相似性圖像，醫學圖像在某些領域的應用很大程度的限制了。

圖像特征是區別圖像的最基本的屬性，它們可以是原圖中人類視覺可鑒別的自然特征，也可以是通過對圖像測量和處理的人為定義某些參數。加密后的醫學圖像的視覺內容不易被察覺，基于此，本發明中采用人為定義的某些參數作為醫學圖像的特征。

目前對于密文域醫學圖像的檢索的研究較少，對于抗幾何攻擊的密文域醫學圖像檢索辦法的研究更少。醫學圖像因其海量數據和專業針對性等問題，在加密研究領域鮮有觸及。采用傳統的加密方法，如DES，IDEA，AES等計算所需時間較長，并且它們只適用于對文本數據進行加密，因而研究如何快速對醫學圖像進行加密和檢索意義重大。

總之，對存儲在不可靠的第三方中的密文域醫學圖像進行檢索，且加密圖像所提取的特征向量具有可抗旋轉、縮放、平移、剪切等幾何攻擊的方法，目前尚屬空白，未見公開報道。而在實際應用中，醫學圖像常常同時受到這兩種攻擊。

發明內容

本發明的目的是提出一種云環境下對基于DFT變換和混沌映射(Logistic Map)加密的醫學圖像進行檢索的辦法。該方法通過將醫學圖像的特征向量和加密技術結合起來，以保護醫學圖像敏感信息，同時可以實現在常規攻擊以及幾何攻擊后依然可以快速準確進行圖像檢索，具有較好的魯棒性。

本發明的原理是：對醫學圖像進行加密，對加密后的醫學圖像進行全局2D-DFT變換，在DFT變換系數中提取一個既能抗常規攻擊又能抗幾何攻擊的特征向量，將該特征向量作為圖像檢索的“關鍵字”。該特征向量與保存在云端的加密醫學圖像的特征向量進行相似度匹配，返回相似度最高的前N幅圖像作為檢索結果。

為了實現上述目的，本發明是這樣進行的：首先對醫學圖像進行頻域加密，對加密的醫學圖像進行常規攻擊以及幾何攻擊，提取被攻擊后的加密醫學圖像的特征向量，與未被攻擊的加密醫學圖像進行相似度計算。本發明所采用的方法包括醫學圖像的頻域加密、提取加密圖像的特征向量兩大部分。

第一部分為醫學圖像加密，其包括：

(1)對醫學圖像F(i,j)進行全局二維DFT變換，得到復數系數矩陣FD(i,j)；

(2)設定初始值x₀，應用Logistic Map生成一個混沌序列bl(i)；

(3)定義一個閾值符號函數sign，將混沌序列bl(i)變成只含有1和-1的二值混沌序列，并構造與醫學圖像大小一致的矩陣S(i,j)；

(4)將醫學圖像的DFT復數系數矩陣FD(i,j)與二值矩陣S(i,j)點乘，得到L(i,j)；

(5)對L(i,j)進行二維DFT反變化得到加密圖像E(i,j)。

第二部分為提取加密醫學圖像的特征向量，其包括：

(6)對加密的醫學圖像E(i,j)進行全局二維DFT變換，獲得復數系數矩陣ED(i,j)；

(7)選取系數矩陣ED(i,j)的前k×k個數，得到視覺特征向量矩陣EV(k,k)；

現對本發明的方法進行詳細說明如下：

首先隨機選擇一張醫學圖像作為原始醫學數據，表示為：F＝{F(i,j)|F(i,j)∈R；1≤i≤M,1≤j≤N}。其中，F(i,j)分別表示原始醫學圖像的像素灰度值，方便起見，設M＝N。

第一部分：醫學圖像的加密

1)對醫學圖像F(i,j)進行全局2D-DFT，得到復數系數矩陣FD(i,j)。

FD(i,j)＝DFT2(F(i,j))