用于醫(yī)學(xué)圖像篡改檢測的可逆信息隱藏方法

摘? 要：為改善醫(yī)學(xué)圖像視覺效果和提升圖像檢測篡改的能力，該文提出一種應(yīng)用在醫(yī)學(xué)圖像上檢測篡改的可逆信息隱藏方法。首先，分析醫(yī)學(xué)圖像局部紋理復(fù)雜度并對局部復(fù)雜度分類;然后，根據(jù)不同局部復(fù)雜度嵌入隱秘信息;最后，在醫(yī)學(xué)圖像的背景區(qū)中嵌入哈希驗(yàn)證碼以檢測醫(yī)學(xué)圖像是否被惡意篡改。實(shí)驗(yàn)結(jié)果表明，提出的方法能夠增強(qiáng)圖像對比度，檢測圖像是否遭受過篡改，并且較準(zhǔn)確地標(biāo)識出篡改圖像的區(qū)域。

關(guān)鍵詞：可逆信息隱藏;視覺效果;哈希碼;篡改檢測

中圖分類號：TP309.7 ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2020）03-0055-05

Abstract：In order to improve the visual effect of the medical image enhance the ability of medical image to detect tampering，a reversible data hiding method is proposed for tamper detection on medical images. Firstly，analyze the local complexity of medical image to classify the local complexity. Secondly，embed secret data based on different local complexity. Finally，embed hash authentication code in the background of the medical image to detect if the medical image has maliciously been tampered with. The experimental results show that the proposed method can enhance image contrast，detect whether the image has been tampered，and identify the tampered image area accurately.

Keywords：reversible data hiding;visual effect;hash code;tamper detection

0? 引? 言

可逆信息隱藏技術(shù)[1]能在載體中嵌入隱秘信息并能夠確保提取信息后無損地恢復(fù)載體，該技術(shù)可用于軍事、司法、醫(yī)學(xué)等敏感圖像的認(rèn)證、標(biāo)注或篡改檢測。傳統(tǒng)的可逆信息隱藏方法是提高嵌入容量同時(shí)降低載密圖像的失真度。

相關(guān)方法中，GAO[2]等人提出一種利用直方圖分布特性進(jìn)行信息嵌入的可檢測篡改的可逆信息隱藏方法。其使用直方圖平移的方法嵌入信息;使用離散型提升小波變換（LWT）選取低頻子帶的位平面作為驗(yàn)證碼嵌入實(shí)現(xiàn)圖像篡改檢測目的。但該方法篡改檢測的結(jié)果不夠明顯，檢測結(jié)果不夠準(zhǔn)確。

為改善上述問題，在保證其他條件相當(dāng)?shù)那闆r下，盡可能地減少嵌入信息后引起圖像失真。本文使用圖像分塊并對每個(gè)像素所在區(qū)域進(jìn)行紋理復(fù)雜度評估的方法嵌入隱秘信息;另外，在圖像背景區(qū)嵌入哈希碼以提高篡改檢測率，使檢測出來的篡改區(qū)域從肉眼上更接近原始篡改區(qū)域，檢測結(jié)果更準(zhǔn)確。最后進(jìn)行實(shí)驗(yàn)驗(yàn)證以及結(jié)果分析。

1? 改進(jìn)算法

1.1? 算法框架

本文提供一種應(yīng)用在醫(yī)學(xué)圖像上改善篡改檢測結(jié)果的可逆信息隱藏改進(jìn)算法。算法分為信息嵌入和信息提取（篡改檢測）兩大部分，算法框架如圖1所示。

嵌入階段：首先，分割圖像的前景（感興趣區(qū)域ROI）和背景（Background）;然后，將隱秘信息嵌入ROI中;最后，將認(rèn)證碼嵌入到背景區(qū)中。

提取階段：如果嵌入信息后的圖像沒有被篡改，恢復(fù)圖像的ROI至原始狀態(tài);否則，一旦水印圖像被篡改，就可以檢測被篡改的區(qū)域內(nèi)容。

1.2? 嵌入過程

1.2.1? 圖像預(yù)處理（分割圖像ROI和背景）

在嵌入隱秘信息前，需要對醫(yī)學(xué)圖像進(jìn)行預(yù)處理。本文使用大津閾值分割法（OTSUs Method）[3]對醫(yī)學(xué)圖像進(jìn)行分割。一幅圖像經(jīng)分割后得到唯一閾值T，該閾值T把圖像分為ROI和背景區(qū)。具體說來，一幅8位二進(jìn)制的灰度圖像像素，大于等于T的為ROI，小于T的為背景區(qū)。用簡單的式（1）表示如下：

1.2.2? 信息嵌入

在大小為H×W的圖像中，按從左到右、由上往下的順序遍歷整個(gè)圖像。如果掃描到當(dāng)前位置（i，j）像素Ii，j處于背景區(qū)，即Ii，j∈[0，T-1]，則跳過該像素不做處理;如果Ii，j處于ROI，即Ii，j∈[T，255]，并且僅當(dāng)其周圍像素也處于ROI，即N（Ii，j）∈[T，255]，嵌入信息。

（1）計(jì)算像素Ii，j的局部紋理復(fù)雜度。使用塊內(nèi)像素N（Ii，j）的最大與最小像素值之差D（Ii，j）去評估圖像局部復(fù)雜度，用式（2）表示：

其中， 和? 分別表示塊內(nèi)最大和最小像素值。為表示紋理復(fù)雜度，根據(jù)預(yù)先設(shè)定的閾值Tk（Tk為T0，T1，T2，T3，T4和T5，且0

1.2.3? 認(rèn)證碼嵌入

為生成特征碼（篡改認(rèn)證碼），需復(fù)制一幅ROI對比度增強(qiáng)的圖像，然后對其進(jìn)行操作：

（1）把背景區(qū)的像素值置零。把像素值小于T的像素置為0。

（2）圖像分塊并做提升小波變換?；ゲ恢丿B的圖像塊大小為n×n（n=4，8，16，…）。

（3）提取特征碼。對二級LWT的每個(gè)低頻系數(shù)采用哈希算法，所得128比特碼再用異或操作后取最前面1或2位為特征碼（哈希碼）。

（4）置亂操作。對特征碼進(jìn)行Arnold置亂操作，用式（7）如下：

其中，N=H'/n，mod表示取模，n為迭代次數(shù)，（hn+1，wn+1）和（hn，wn）是置亂后和原始矩陣的坐標(biāo)。置亂K次。

（5）LSB替換。依次將置亂后的哈希碼替換背景區(qū)像素的LSB位。

（6）背景區(qū)像素預(yù)處理。為避免嵌入后像素混疊，需對背景區(qū)值是（T-1）且其為偶數(shù)的像素做預(yù)處理。由預(yù)處理式（8）得：

其中， 和 分別是處理前和處理后的背景像素值。

1.3? 提取和檢測過程

信息提取是信息嵌入的逆操作。接收端收到攜密醫(yī)學(xué)圖像后，從圖像最后一行像素的LSB位中提取閾值T、閾值Tk、壓縮位置圖LM等附加信息;再以從右往左、由下往上的方式，按圖像分塊和嵌入規(guī)則提取水印信息并恢復(fù)圖像。

為檢測醫(yī)學(xué)圖像是否被篡改，復(fù)制一幅攜密圖像，按生成特征碼的方法提取一份驗(yàn)證碼 ，與在背景區(qū)中提取到的驗(yàn)證碼Bac進(jìn)行比對，用式（9）表示：

對驗(yàn)證碼差矩陣Dac執(zhí)行P-K（P是Arnold置亂周期）次Arnold逆操作生成新的矩陣? 。如果? 的值是0，表示圖像未被篡改;否則，圖像已被篡改，將圖像篡改區(qū)域顯示出來。

篡改檢測示意圖如圖2所示，如果圖像被篡改，提取原驗(yàn)證碼AC，生成新的AC′;將兩者作差得差值矩陣D并將其放大得篡改檢測圖像。

2? 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文算法的有效性，從網(wǎng)站NBIA[4]上抽取部分醫(yī)學(xué)圖像作為測試圖像集。圖像尺寸為512×512，篡改方式是隨機(jī)復(fù)制粘貼篡改。

2.1? 失真評價(jià)指標(biāo)

嵌入失真評價(jià)指標(biāo)有：峰值信噪比（PSNR）[5]、結(jié)構(gòu)相似性（SSIM）和盲參考圖像空間質(zhì)量評估（BRISQUE）與隱秘信息嵌入率關(guān)系圖。PSNR數(shù)值越高，代表圖像質(zhì)量越好;SSIM一般取值為0～1，越接近1失真越小。BRISQUE是一種常用的圖像對比度質(zhì)量評估方法。通常BRISQUE一般取值0～100，值越小對比度增強(qiáng)效果越好。如圖3（a）所示，在低信息嵌入率下效果沒有參考方法好，但是本文方法的優(yōu)越性體現(xiàn)在中高嵌入率情況下PSNR比GAO的方法的高;在圖3（b）中，本文方法SSIM與參考方法的相近，兩者在嵌入信息之后保持較高的圖像結(jié)構(gòu)相似性。而圖3（c）中，本文的BRISQUE值比參考方法的低，說明本文方法對比度增強(qiáng)效果較好。

2.2? 篡改檢測結(jié)果

篡改檢測結(jié)果（檢測率）為：檢測位數(shù)比篡改總位數(shù)。檢測準(zhǔn)確率如表1所示，相應(yīng)檢測圖如圖4所示。

（a）PSNR與嵌入信息率關(guān)系圖

（b）SSIM與嵌入信息率關(guān)系圖

（c）BRISQUE與嵌入信息率關(guān)系圖

本文主要采用文本粘貼和圖像涂抹兩種篡改方式。由表1實(shí)驗(yàn)結(jié)果知，本文方法在篡改準(zhǔn)確率上比參考方法有所改進(jìn);圖4中，第一行是原圖和篡改圖，第二行為GAO方法的檢測結(jié)果圖，第三和四行為本文檢測結(jié)果圖?？梢姳緳z測的結(jié)果更為接近原篡改圖，體現(xiàn)了本文算法優(yōu)越性。

3? 結(jié)? 論

本文提出了一種應(yīng)用在醫(yī)學(xué)圖像上的可逆信息隱藏算法，通過背景分割獲得前景輪廓ROI，在ROI中嵌入隱秘信息，未經(jīng)篡改可以完全恢復(fù)原始圖像;在背景區(qū)中嵌入哈希碼實(shí)現(xiàn)篡改認(rèn)證，可檢測出被篡改圖像的篡改區(qū)域。與文獻(xiàn)[2]中的方法相比，本文算法實(shí)現(xiàn)了醫(yī)學(xué)圖像ROI的對比度增強(qiáng)效果，減少了圖像失真，改善了視覺質(zhì)量;實(shí)現(xiàn)了篡改檢測的目的，使篡改檢測結(jié)果更準(zhǔn)確，檢測率更高。

參考文獻(xiàn)：

[1] NI Z C，SHI Y Q，ANSARI N，et al. Reversible data hiding [J].IEEE Transactions on Circuits and Systems for Video Technology，2006，16（3）：354-362.

[2] GAO G Y，WAN X D，YAO S M，et al. Reversible data hiding with contrast enhancement and tamper localization for medical images [J].Information Sciences，2017，385-386：250-265.

[3] OTSUN. A Threshold Selection Method from Gray-Level Histograms [J].IEEE Transactions on Systems，Man，and Cybernetics，2007，9（1）：62-66.

[4] National Biomedical Imaging Archive（NBIA） [EB/OL].[2019-11-30].http：//wiki.nci.nih.gov/display/NBIA/.

[5] HUYNH-THU Q，GHANBARI M. Scope of validity of PSNR in image/video quality assessment [J].Electronics Letters，2008，44（13）：800.

作者簡介：張鴻超（1994.05-），男，漢族，廣東清遠(yuǎn)人，在讀研究生，研究方向：圖像處理、信息隱藏。