弥散张量图像的鲁棒水印算法

2024年第25卷第3期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2024年第25卷第3期 doi: 10.1631/FITEE.2200628

弥散张量图像的鲁棒水印算法

贵州大学计算机科学与技术学院公共大数据国家重点实验室，中国贵阳市，550025

收稿日期： 2022-12-08 录用日期： 2024-03-25 发布日期： 2024-03-25

HTML0 PDF 1 收藏 0

摘要

在深度学习网络的研究中，使用卷积神经网络的水印算法表现出良好的鲁棒性。然而，通过卷积嵌入水印信号后，卷积的特征融合效率相对较低；这很容易导致嵌入图像的失真。当医学图像发生失真时，特别是在扩散张量图像（DTI）中，DTI的临床价值就会丧失。为解决这个问题，提出一种通过融合卷积与Transformer实现的DTI鲁棒性水印算法，以确保水印的鲁棒性和采样距离的一致性，从而提高嵌入水印信号后的DTI重建图像质量。在水印嵌入网络中，使用T1加权（T1w）图像作为先验知识。提出T1w图像和原始DTI之间的相关性，并利用Transformer从T1w图像中提取与原始DTI最相关的重要特征提升重建DTI图像质量。在水印提取网络中，Transformer充分学习水印DTI中最重要的水印特征，从而从水印特征中鲁棒提取水印信号。实验结果表明，水印DTI的平均峰值信噪比（PSNR）达到50.47 dB，扩散特征如平均扩散率和各向异性分数保持不变，主轴偏转角αAC接近1。所提算法可以有效保护DTI版权，几乎不影响临床诊断。

关键词

鲁棒水印算法 ; Transformer ; 图像重构 ; 弥散张量图像 ; 软注意力 ; 硬注意力 ; T1加权图像