用于医学图像认证和医患信息隐藏的自适应可逆水印方法

摘要

本发明涉及一种用于医学图像认证和医患信息隐藏的自适应可逆水印方法，用于医学图像的完整性认证和实现医患信息的隐藏通信。本发明通过对原始医学图像进行分块，根据嵌入水印容量的需要选择嵌入强度，在分块差值直方图中的峰值点采用移位的方法来实现大容量和自适应的不可见的水印信息嵌入。水印信息由医患信息和辅助信息两部分组成，实现医生的诊断信息及患者的个人信息的隐藏通信。在检测端通过对水印信息提取，实现图像的完整性认证，还可以无损地恢复原始医学图像和医患信息。本发明算法复杂度低，安全性高，实用性强。

说明书

技术领域

多媒体信息安全和多媒体信息处理领域

背景技术

现代医学诊断设备产生的医学图像，如X线、CT、MR、超声、内窥镜以及血管造影等， 不但在诊断中的地位极其重要，而且占整个医院医学信息的70‐80％以上，海量的医学影像 数据不仅要占据大量的存储空间，而且也在管理信息方面带来巨大的安全隐患。与此同时， 数字化的医学信息在公共网络传输时，十分容易被截获或篡改，而一旦作为诊断依据的数字 医学图像发生异常(如伪造、篡改、信息错乱等)，不仅无法作为医疗事故判案的有力证据， 更会延误病人的最佳诊治时间甚至发生误诊，因此，寻求新的多媒体信息安全技术措施已成 为目前迫切需要解决的重要课题。

现有的加密方法和访问控制方法已很难满足影像归档和通信系统(PACS，Picture  Archiving and Communication Systems)信息安全的要求。首先，加密只能保证传输信道的安 全，数据一量被解密，就不再提供任何的保护机制。其次，数字签名或消息认证码，需要用 文件存储与原始消息数据一起传输，增加了额外的传输信道。

认证水印(Authentication Watermarking)就是在保证数字媒体信息一定视觉(或听觉) 质量的前提下，将与媒体内容相关或不相关的标志信息作为水印直接嵌入媒体内容中，当媒 体内容需认证时，可将水印提出鉴定其是否真实完整。目前医学图像的认证水印方法都具有 较好的不可见性、安全性并对图像的篡改具有一定的敏感性。但是对图像认证水印算法大多 属于有损水印，水印信息嵌入的同时会导致医学图像产生永久的失真，而且这种失真是不可 逆的。因此，此类方法并不能够完全满足对医学图像信息安全这类特殊的应用需求。

尽管载体图像在嵌入水印后导致的失真不可感知，但在保护医学图像安全等领域的特殊 应用场合往往不允许出现具有永久性失真的情况。在此背景下，可逆医学图像水印技术成为 了近年来的研究热点之一，已有的可逆医学图像水印方法可以分为三类：一是基于无损压缩 的方法，此类方法容易实现，但嵌入水印的数据容量小。二是基于差值扩展的方法，此类方 法可利用可逆整数小波变换，将医患数据作为秘密信息嵌入扩展后的高频小波系数(像素对 差值)中，水印的嵌入对图像质量的影响较大，而且嵌入的水印信息容量有限。三是基于直 方图平移的方法，此类方法根据图像特征首先构建直方图，然后找到直方图中的峰值点和零 值点，通过直方图平移修改将水印嵌入在具有峰值点特征的像素中。其优点是水印不可见性 好，计算简单，但缺点是允许嵌入的水印量依赖于图像特征的分布且整体的水印嵌入容量小。 但当前有研究成果表明，第三类基于直方图平移的方法更适合应用于对医学图像的保护。

综合以上对医学图像应用需求的分析并加以改进，我们认为对于医学图像在保证医学图 像可逆性的同时增加水印容量远比减少图像失真更重要一些。因此本发明专利的研究结合医 学图像的特点和应用需求，从改进水印可嵌入水印信息容量大小和提升嵌入水印后医学图像 质量的角度提出了一种基于分块差值直方图的大容量和自适应的可逆水印认证方法。

发明内容

本发明所要解决的技术问题是基于上述现有技术存在的不足，提供一种基于分块差值直 方图的大容量和自适应的可逆水印认证方法，用于医学图像的完整性认证和实现医患信息的 隐藏通信。通过对原始医学图像进行分块，在分块差值直方图中的峰值点采用移位的方法来 实现大容量的不可见的水印信息嵌入。水印信息由医患信息和辅助信息两部分组成，实现医 生的诊断信息及患者的个人信息的隐藏通信。在检测端通过提取正确的水印信息，实现图像 的完整性认证，能够无损地恢复原始医学图像和医患信息，为进一步诊断和决策提供一致的 数据支持。

本发明解决上述技术问题所采取的技术方案是，一种用于医学图像认证和医患信息 隐藏的自适应可逆水印方法，包括两个部分：一是将加密后的医患信息作为水印嵌入到原始 医学图像中，在不增带宽的情况下利用水印的不可见性实现隐藏通信；二是在接收端对含水 印医学图像进行水印提取，进行完整性检测、提取隐藏的医患信息和无损地恢复原始医学图 像，具体内容及实现步骤如下：

第一部分：医学图像的水印信息生成和嵌入

定义医学灰度图像I的大小为M×N像素，其中M和N都为3的整数倍，不是3的整数 倍的医学图像进行边界处理；

step1：对原始的医学图像I(x,y)(x＝1,2,3,…,M；y＝1,2,3,…,N)中的每个像素值进行收缩 调整，防止最终嵌入数据后结果溢出，实现可逆操作，即对像素值为[255‐2^T‐1，255]的像素 左移2^T‐1个灰度单位，其中T为每个可嵌入像素的嵌入强度；同时将该过程的数据记录下来， 并采用行程编码进行RLE无损压缩编码；

step2：对溢出处理后的医学图像按n×n(n＝3)大小不重叠分块，得到医学图像的各个 子块；对不为3整数倍的行数或列数进行边界处理，得到医学图像的各个子块；

step3：计算各图像子块中所有像素与参考像素(2,2)的差值，形成各图像子块的差值直方 图；

step4：除参考像素(2,2)外，取各图像子块中差值为0的像素为峰值，计算各图像子块可 嵌入水印信息的容量，统计整个图像可嵌入水印的总容量，记为Allcapacity；

step5：生成待嵌入的水印信息为W(i)；W(i)由医患信息Watermark Information和 辅助信息Initial Information两部分组成，其总长度用L表示，用4个字节记录；

医患信息为需要秘密嵌入供诊断的信息，包括病人信息、相关诊断数据、医院的标识和 医生的签名，经编码成二进制序列Watermark Information；

辅助信息包括信息长度、完整性消息认证编码、水印嵌入强度和图像溢出标志信息 Overflow(n)，其中完整性消息认证编码则是对Watermark Information运用HMAC算法计算 得到的消息摘要，即完整性消息认证码，将完整性消息认证码编码成二进制序列，记为Infor， Infor是一个长度为128位二进制序列；

水印嵌入强度T则是由经计算后所得到的实际水印信息长度L与step4所得的可嵌入水 印总容量Allcapacity比较后确定，比较规则如下所示：

If L<＝Allcapacity则T＝1；

If L>＝Allcapacity and L<＝2*Allcapacity则T＝2；

If L>＝2*Allcapacity and L<＝3*Allcapacity则T＝3；

If L>＝3*Allcapacity and L<＝4*Allcapacity则T＝4；

最后，计算待嵌入水印信息W(i)的总长度，待嵌入的水印信息W(i)表示为：

W(i)＝Initial Information+Watermark Information＝L+Infor+T+Overflow(n)+ Watermark Information

step6：图像子块的差值直方图中，根据需要嵌入水印容量大小依次对差值大于峰值的像 素，其对应的像素灰度值增加2^T‐1个单位，当满足所需嵌入水印容量后，之后的峰值点像素 灰度值则保持不变；

step7：根据密钥采用Logistic混沌映射生成长度和W(i)信息长度相同的均匀分布的二 值伪随机序列S；使用S伪随机序列对W(i)信息进行异或调制加密得到待嵌入的水印信息；

step8：水印信息的嵌入，其方法为：依次在除每个图像子块中的参考像素(2,2)外的各图 像子块的峰值点嵌入T个bit的水印信息，其操作过程如下：

首先，对每个图像子块，依顺序选定峰值，即差值为0的像素，除图像子块中的参考像 素(2,2)外；

其次，在确定水印要嵌入的像素点后，从W(i)中依次提取T个bit的水印信息；

最后，在差值为0的峰值点按如下的嵌入规则嵌入T个水印信息：

If W(i)＝0 and W(i+1)＝0则I_(x,y)＝I_(x,y)；

If W(i)＝0 and W(i+1)＝1则I_(x,y)＝I_(x,y)+1；

If W(i)＝1 and W(i+1)＝0则I_(x,y)＝I_(x,y)+2；

If W(i)＝1 and W(i+1)＝1则I_(x,y)＝I_(x,y)+3；

step9：水印信息嵌入完成，得到嵌入水印后的医学图像IW；

第二部分：含水印医学图像的水印提取、完整性检测和无损恢复医学图像

step1：对含水印的医学图像IW_(x,y)按n×n(n＝3)大小不重叠分块，得到医学图像的各 个子块；

step2：求各图像子块中所有像素与参考像素(2,2)的差值，形成各图像子块的差值直方图；

step3：从各图像子块中所有像素顺序和各图像子块的差值直方图中提取水印信息W(i)；

step4：根据密钥生成二值伪随机序列S，使用S伪随机序列对W(i)信息进行解密；

step5：根据W(i)信息再一次生成128位的消息验证码，与从还原的W(i)信息提取 的参考完整性消息验证码进行比较；

step6：比较以上两个消息验证码是否一致，如若二者全部相同则医学图像没有被篡改， 通过认证，可执行下一步；如若二者不一致则医学图像被篡改，认证结束；

step7：根据辅助信息Initial Information读取并生成水印信息为W(i)中的医患信息 Watermark Information；

step8：根据辅助信息Initial Information还原原始的医学图像。

本发明具备的有益效果如下：

(1)可嵌入的水印信息容量大，嵌入率可达到0.5bpp～1.7bpp。

对比当前其他用于医学图像认证的研究成果，如论文《郑淑丽,邢慧芬,王美玲,胡东辉.基 于直方图平移和差分直方图的可逆水印[J].系统仿真学报,2013,25(11):2717‐2722.》中的研 究成果提出：水印嵌入位置只修改了偶数位置上的像素值，奇数位置的像素值保持不变，使 得从人眼视觉效果上观察图像并没在发生太大的变化，但水印嵌入总容量上效果并不佳，为 提高水印嵌入容量通过多次嵌入的方法来实现。对比该方法使用相同内容和相同大小的载体 图像，引用该方法在文中的表述在嵌入9920bits的数据后，得到解决的图像与原始图像的峰 值信噪比为52.14dB；而本发明在选择嵌入强度T为1时，在最大嵌入容量的情况下，嵌入 26350bits的数据后，得到的PSNR值为56.16dB。因此可以证明本发明的方法在嵌入容量和 所得的图像质量上明显高于郑淑丽等人的方法。

(2)所需的辅助信息量少，只需要保存防溢出标志的位置，即可实现图像的无损恢复。

本发明中所需要的辅助信息由W(i)信息长度、完整性消息认证编码、嵌入强度和嵌入 方式、图像溢出标志信息Overflow(n)四个部分组成。其中完整性消息认证码是一个长度为 128位二进制序列，即16个字节；W(i)信息长度由一个固定长度的4个字节表示；嵌入 强度为1个字节；图像溢出标志信息Overflow(n)通过RLE压缩后其信息长度应少于M*N/3。 采用差值直方的方法，所以在辅助信息中不需要保存峰值等其他信息，即可实现医学图像的 完整性认证和无损恢复。

(3)可嵌入水印信息容量可实现自适应和嵌入水印后的医学图像质量达到了较佳的平 衡。

对比当前图像处理的研究表明，如2013年的发明专利《数字图像可逆水印嵌入方法及 其提取方法(CN102903076 A)》在水印嵌入率达1bpp时，图像的峰值信噪比PSNR值为 35～36dB。另外，还有研究成果表明：图像在嵌入水印后，其峰值信噪比PSNR值大于35dB 以上，人眼视觉效果上无法分别原始医学图像和嵌入水印后的医学图像。

可见，以此为前提，充分利用原始医学图像每个可嵌入水印的像素点，在每个像素点嵌 入2～3个比特位，满足医学图像嵌入大容量水印信息的要求。即本发明方法在嵌入水印后， 图像质量的PSNR值可达到36dB以上，水印的嵌入率最高可达到1.7bpp，实现达到了可嵌 入大容量的水印信息和嵌入水印后的医学图像质量更高的平衡。

(4)计算方法简单，安全性高，实用性强。

针对水印系统的安全性，使用了混沌序列对水印信息进行加密，使用HMAC算法增强了 整个算法的安全性。所以，整个方法的安全仅仅依赖于用户的密钥，计算过程可以完全公开， 可以完全抵抗各种攻击。算法复杂度低，整个方法仅采用对直方图的差值方法，计算方法简 单，易于理解和实现。图像检测认证时不需要原始图像，是个盲检测过程，只需要知道密钥 就可以实现对含水印的医学图像进行水印提取，进行完整性检测、提取隐藏的医患信息和无 损地恢复原始医学图像。在实际的应用和推广过程中，可通过第三方，利于现代网络信息管 理的实用化和规范化。

附图说明

图1是本发明所述的医学图像的水印信息生成和嵌入的流程图。

图2是本发明所述的含水印医学图像的水印信息提取、完整性检测和无损恢复的流程图。

图3.1‐3.11是实施例所述的11幅不同尺寸和不同内容的原始医学测试图像示例。

图4.1‐4.11是图3.1‐3.11的原始医学测试图像嵌入可逆水印后的医学图像。

图5a‐5d是实施例所述的不同嵌入强度T下，所得嵌入水印后的医学图像。其中，图5a的 嵌入强度T＝1，图5b的嵌入强度T＝2，图5c的嵌入强度T＝3，图5d的嵌入强度T＝4。

具体实施方式

下面结合附图和实施例对本发明的技术方案和有益效果做进一步说明。

一本发明技术方案的进一步描述

本发明所述的一种用于医学图像认证和医患信息隐藏的自适应可逆水印方法，在检测 端可以做到无损地恢复原始医学图像和隐藏医生的诊断信息及患者的个人信息。整个方案的 实现分为两个部分：一是将加密后的医患信息作为水印嵌入到原始医学图像中，在不增带宽 的情况下利用水印的不可见性实现隐藏通信。二是在接收端对含水印医学图像进行水印提取， 进行完整性检测、提取隐藏的医患信息和无损地恢复原始医学图像，具体内容及实现步骤如 下：

第一部分：医学图像的水印信息生成和嵌入

为便于算法描述，我们考虑一幅医学灰度图像I其大小为M×N像素，其中M和N都为3 的整数倍，不是3的整数倍的医学图像进行边界处理。医学图像的水印产生和嵌入如附图1 所示。

step1：对原始的医学图像I(x,y)(x＝1,2,3,…,M；y＝1,2,3,…,N)中的每个像素值进行收缩 调整，防止最终嵌入数据后结果溢出，实现可逆操作，即对像素值为[255‐2^T‐1，255]的像素 左移2^T‐1个灰度单位，其中T为每个可嵌入像素的嵌入强度；同时将该过程的数据记录下来， 并采用行程编码进行RLE无损压缩编码，记为Overflow(L)；Overflow(L)的长度L1值远远小 于M*N；

本发明方法是将像素灰度值调整记录和要嵌入的数据一起嵌入到载体图像中，提取信息 时只要将调整记录数据分离出来就可以恢复出原始的医学图像和医患信息。在8‐bits灰度图 像中，发生溢出的灰度值一般分布在直方图的右端，即可能会出现像素值为[255‐2^T‐1，255] 的像素。在嵌入过程可能会造成像素值的上溢现象，即像素灰度值大于255的情况。本方法 用直方图平移对原始图像进行预处理，经预处理后，使直方图的分布变窄，图像中就不存在 [255‐2^T‐1，255]的像素点，也就不会产生溢出，从而实现水印的嵌入并无损恢复图像数据。

step2：对溢出处理后的医学图像按n×n(n＝3)大小不重叠分块，得到医学图像的各个 子块；对不为3整数倍的行数或列数进行边界处理，得到医学图像的各个子块；

在PACS系统中，医疗诊断设备生成的医学图像的分辨率大，且图像中的相邻像素间相 关性强。在对医学图像进行分块处理时，分块的大小可为2×2、3×3、4×4、5×5、6×6、……。 但是为了充分利用相邻像素间的相关性，拟选择对医学图像按3×3大小不重叠分块，这样可 以得到的图像质量和嵌入水印容量最佳。

step3：计算各图像子块中所有像素与参考像素(2,2)的差值，形成各图像子块的差值直方 图；

step4：除参考像素(2,2)外，取各图像子块中差值为0的像素为峰值，计算各图像子块可 嵌入水印信息的容量，统计整个图像可嵌入水印的总容量，记为Allcapacity；

step5：生成待嵌入的水印信息为W(i)；W(i)由医患信息Watermark Information和 辅助信息Initial Information两部分组成，其总长度用L表示，用4个字节记录；

医患信息为需要秘密嵌入供诊断的信息，包括病人信息、相关诊断数据、医院的标识和 医生的签名，经编码成二进制序列Watermark Information。

辅助信息由信息长度(占4B)、完整性消息认证编码(16B)、水印嵌入强度(1B)和图 像溢出标志信息Overflow(n)四个部分组成。其中完整性消息认证编码则是对Watermark  Information运用HMAC(keyed‐hash message authentication code)算法计算得到的消息摘要， 即完整性消息认证码，将完整性消息认证码编码成二进制序列，记为Infor，Infor是一个长度 为128位二进制序列。

HMAC是一个哈希函数(用H表示，可以是MD5和SRA‐1)和一个加密密钥，即在原有 的哈希函数中添加了密钥。因此，HMAC算法是一种加密算法，它引入了密钥，其安全性已 经不完全依赖于所使用的HASH算法。同时将消息认证码作为水印嵌入到图像本身中。这样 做的好处是不需要传输额外的信息对图像本身进行完整性验证，节约宽带资源，且能有效地 抵抗信息置换攻击。

图像溢出标志信息Overflow(n)由上述步骤产生。水印嵌入强度T则是由经计算后所得 到的实际水印信息长度L与上述step4所得的可嵌入水印总容量Allcapacity比较后确定，比 较规则如下所示：

If L<＝Allcapacity则T＝1；

If L>＝Allcapacity and L<＝2*Allcapacity则T＝2；

If L>＝2*Allcapacity and L<＝3*Allcapacity则T＝3；

If L>＝3*Allcapacity and L<＝4*Allcapacity则T＝4；

最后，计算待嵌入水印信息W(i)的总长度，待嵌入的水印信息W(i)表示为：

W(i)＝Initial Information+Watermark Information＝L+Infor+T+Overflow(n)+ Watermark Information

step6：图像子块的差值直方图中，根据需要嵌入水印容量大小依次对差值大于峰值的像 素，其对应的像素灰度值增加2^T‐1个单位，当满足所需嵌入水印容量后，之后的峰值点像素 灰度值则保持不变。

step7：根据密钥采用Logistic混沌映射生成长度和W(i)信息长度相同的均匀分布的二 值伪随机序列S。使用S伪随机序列对W(i)信息进行异或调制加密得到待嵌入的水印信息。

Logistic映射是一类被广泛应用的混沌系统，定义为：x_k+1＝μ×x_k×(1-x_k)，初始值x₀∈(0,1)， 当参数μ满足3.5699456<μ≤4时，Logistic映射处于混沌状态，即给定混沌映射略微不同的初 始值，经过多次迭代后将得到截然不同的伪随机序列，也就是说，由不同初始条件x₀在Logistic 映射的作用下所产生的序列{x_k}经二值化处理后是非周期、不收敛、无限长度的并对初始值非 常敏感。选择使用初值为密钥生成的混沌序列，使得水印具有良好的安全性和随机性，完全 可以保证生成水印和系统的安全性。

step8：水印信息的嵌入，其方法为：依次在除每个图像子块中的参考像素(2,2)外的各图 像子块的峰值点嵌入T个bit的水印信息，其操作过程如下：

首先，对每个图像子块，依顺序选定峰值，即差值为0的像素，除图像子块中的参考像 素(2,2)外。

其次，在确定水印要嵌入的像素点后，从W(i)中依次提取T个bit的水印信息。

最后，在差值为0的峰值点按如下例的嵌入规则嵌入T个水印信息。例如：嵌入规则以 嵌入强度T＝2时，如果嵌入的水印信息为00，则该像素点的灰度值不变；如嵌入的水印信息 为01，则增加像素灰度值1个单位；如嵌入的水印信息为10，则增加像素灰度值2个单位； 如嵌入的水印信息为11，则增加像素灰度值3个单位。以上的判断过程表示如下：

If W(i)＝0 and W(i+1)＝0则I_(x,y)＝I_(x,y)；

If W(i)＝0 and W(i+1)＝1则I_(x,y)＝I_(x,y)+1；

If W(i)＝1 and W(i+1)＝0则I_(x,y)＝I_(x,y)+2；

If W(i)＝1 and W(i+1)＝1则I_(x,y)＝I_(x,y)+3；

step9：水印信息嵌入完成，得到嵌入水印后的医学图像IW。

第二部分：含水印医学图像的水印提取、完整性检测和无损恢复医学图像

对于认证水印系统而言，因为一般用户所能拿到的是一个未知或未经判别的医学图像， 原始医学图像用户是没有办法知道的，一般情况下如果已经知道原始图像的话就没有必要再 进行完整性检验了，所以水印的检测必须实现盲检测。其过程如附图2所示，该方法认证过 程具体步骤如下：

step1：对含水印的医学图像IW_(x,y)按n×n(n＝3)大小不重叠分块，得到医学图像的各 个子块。

step2：求各图像子块中所有像素与参考像素(2,2)的差值，形成各图像子块的差值直方图。

step3：从各图像子块中所有像素顺序和各图像子块的差值直方图中提取水印信息W(i)。

step4：根据密钥生成二值伪随机序列S，使用S伪随机序列对W(i)信息进行解密。

step5：根据W(i)信息再一次生成128位的消息验证码，与从还原的W(i)信息提取 的参考完整性消息验证码进行比较。

step6：比较以上二者信息是否一致，如若二者全部相同则医学图像没有被篡改，通过认 证，可执行下一步；如若二者不一致则医学图像被篡改，认证结束。

step7：根据辅助信息Initial Information读取并生成水印信息为W(i)中的医患信息 Watermark Information。

step8：根据辅助信息Initial Information还原原始的医学图像。

二实验结果与分析

(1)实验条件及实验说明：本发明所有实验均在通用计算机(i5CPU,2G内存，Windows7 操作系统)下以MATLAB7为实验平台得到。在数据选择上为不失一般性，在实验中载体医 学图像从网络医学图像数据库中选取，因篇幅有限，仅列出11幅不同尺寸和不同内容的具有 一定代表性的测试图像，如附图3.1‐3.11所示。医患信息使用的是随机函数(rand)随机生成 的二值序列来代替。性能评价标准通过峰值信噪比(PSNR，Peak Signal Noise Ratio)来判定 水印的不可见性这一重要特性。数据嵌入比特率通过计算数据嵌入容量和图像大小的比值 (bpp)进行衡量。

(2)水印嵌入容量

利用本发明方法进行水印嵌入时，实际的水印信息嵌入容量应为总容量减去辅助信息长 度的值，即为实现医患信息隐藏通信量的长度。实验结果表明，对医学图像即图3.1‐3.11嵌 入水印后进行可嵌入水印信息的容量进行统计和分析，各图像所对应的嵌入率值如下表所示。 发现可嵌入水印信息的容量大小与图像纹理特征有关。图像纹理越简单，可嵌入水印的容量 越大；反之，容量越小。

(3)水印的不可见性实验

对医学图像进行分块时，综合上述理论分析选定图像分块大小为3×3像素，在图 3.1～3.11的测试医学图像中嵌入了最大容量的水印信息，当嵌入强度T＝2时，得到的含水 印图像如图4.1～4.11所示。从视觉效果上观察，人眼视觉无法分辨水印嵌入前后的差别。从 数据上进行分析，嵌入最大容量水印后，图像质量较好，所对应的PSNR值如下表所示，PSNR 值可达到44dB左右。实验结果分析表明，水印具有的不可见性好，满足医学图像对隐藏信 息的要求。

(4)取不同嵌入强度T值时，嵌入水印后的人眼视觉效果

当嵌入强度T分别为1，2，3，4时，嵌入各强度最大容量的水印后，以图3.2为例，得 到含水印图像如图5a‐5d所示。

从人眼视觉效果上，当嵌入强度T小于等于3时图像质量人眼基本上无法区分水印嵌入 前后的医学图像，当嵌入强度T等于4时，嵌入水印后的图像在放大时观察开始出现较明显 的降质，即出现方块效果。

(5)分块大小的选取对本发明方法性能的影响

在PACS系统中，医疗诊断设备采集得到的医学图像的分辨率大，而且图像中的相邻像 素间相关性强。在对医学图像进行分块处理时，分块的大小可为2×2、3×3、4×4、5×5、6×6、……、 N×N(N为整数)。值得注意的是，分块大小的不同对医学图像质量和可嵌入水印的容量可以 产生影响。但是为了充分利用相邻像素间的相关性，拟选择对医学图像按3×3大小不重叠分 块。从理论上分析可以看出，分块越小，嵌入水印后的图像质量越差，但可嵌入的水印容量 较多；反之，图像质量越好，可嵌入水印的容量越少。

(6)嵌入强度T取值为1时的实验结果

对嵌入强度T取值为1时，仿真实验结果如下表所示。从下表中的数据可以看到，当嵌 入强度T为1时，可嵌入的水印信息容量也可达到较好的效果，与此同时得到的含水印图像 质量其PSNR值都在55dB以上，图像质量最好。

(7)比较与分析

对比当前图像处理的研究成果，2013年张秋余等人的发明专利《数字图像可逆水印嵌入 方法及其提取方法(CN102903076 A)》(简称张秋余方法)进行对比分析：

①张秋余方法在水印信息嵌入图像后的峰值信噪比PSNR值为35～36dB，水印的嵌入率 可达到1bpp。而本发明在医学图像嵌入水印后，当PNSR值达36以上时，水印的嵌入率可 达到1.7bpp，因此，本发明方法取得了更好的效果。

②以上出现此差异主要原因是张秋余方法是利用周围块与目标块的统计关系判断块类 型，自适应地选择容量参数进行分块压缩感知，并利用整数变换嵌入水印；然后为提高水印 嵌入容量将水印嵌入到经压缩感知后的平滑和普通载体图像块中，复杂载体图像块不做处理， 最后采用分块压缩重构算法和可逆整数变换来恢复载体图像。其核心还是使用整数的小波变 换来嵌入水印，所以嵌入水印率不高。而如果要提高水印的嵌入率，则图像的质量将会大大 降低。而本发明方法利用部分像素灰度平移的方法来嵌入水印，对图像的改变量小，所以得 到的含水印医学图像质量较好。

③另外，张秋余方法还存在着不足的是灰度溢出控制方案对于在最亮或最暗端含有较大 比例像素的载体图像，由于辅助信息无法完整保存导致嵌入失效，这对医学图像来说影响是 很大的。相反，本发明方法充分利用了医学图像相邻像素间具有较强的相关性，采用基于直 方图位移的插值技术，在图像纹理少，或图像变化不大的情况下，水印嵌入能力越强，局部 区域水印分配的多。从以上实验的医学图像3.8～3.10与其他图像的实验结果对比可以明显看 出，医学图像3.8～3.10在嵌入水印后，其PSNR值仍然保持较高的值，但水印的嵌入率可以 达到1.4～1.7bpp。由此可见，本发明方法具有较好的图像质量，适于大容量水印信息的嵌入。