一种新的基于Legendre混沌神经网络的数字水印算法

韩宝如，覃学峰，李文锋

(海南软件职业技术学院 电子工程系，海南 琼海 571400)



一种新的基于Legendre混沌神经网络的数字水印算法

韩宝如，覃学峰，李文锋

(海南软件职业技术学院 电子工程系，海南 琼海 571400)

摘 要：为了保护医学图像信息，提出一种新的基于Legendre混沌神经网络的医学体数据数字水印算法，将Legendre混沌神经网络、三维离散傅里叶变换和零水印有机地结合在一起.一方面，使用一种新型的Legendre混沌神经网络产生具有伪随机性的混沌序列进行置乱原始水印图像；另一方面，在医学体数据的三维离散傅里叶变换域上构造零水印，以提高数字水印的抗攻击能力.仿真结果表明，该数字水印算法不仅具有很好的鲁棒性，而且具有很好的安全性和保密性.

关键词：Legendre混沌神经网络；三维离散傅里叶变换；医学体数据

在医学领域，医学图像是医生获取患者生理疾病信息的重要依据，细小的改变都有可能导致严重的后果.传统上对患者的病理医学数据质量要求极其严格，往往不允许做任何改动[3].医学图像数字水印技术(medical image watermarking，MIW)，是解决这一难题的一种有效方法[4].将具有特定含义的标识信息嵌入到载体医学图像，能实现医学图像的真实性和完整性认证，电子病历 EPR(electronic patientrecord)隐藏和版权保护.其特有的鲁棒性和安全性保证了在经历信息交流过程中的数据处理后，仍能完整可靠地提取水印标志，对医学图像的保护提供了有效的手段.最初数字水印技术是用于互联网上的数字媒体的版权保护[5-7]，现在利用数字水印的不可见性、鲁棒性等特点，可以把病人的个人信息隐藏在其医学图像中，以保证在互联网上的安全传输.

为了保护医学图像的安全，人们提出了许多传统的加密算法[8-11].利用混沌神经网络产生具有伪随机性的混沌序列，基于混沌序列对初始值极其敏感的特性[12]，提出一种基于Legendre混沌神经网络的三维医学体数据数字水印算法.此方法能够适应医学图像体数据特点，能抵抗很强的攻击，具有很强的鲁棒性，采用混沌神经网络置乱具有很好的安全性.

1 Legendre混沌神经网络

定义

Legendre多项式是定义在[-1，1] 上关于权函数P(x)=1的n次Legendre正交多项式.

混沌神经网络结构如图1所示，设Legendre混沌神经网络第一层的权值为wj，Legendre混沌神经网络第二层的权值为cj，隐层神经元采用Legendre正交多项式作为激励函数.隐层神经元的输入为netj=wjx，j=0，1，2，…，n.隐层神经元输出为一组Legendre正交多项式Pj(netj)，j=0，1，2，…，n，可由式(1)递推求得.

所以，Legendre混沌神经网络的输出为

图1　混沌神经网络结构

设x1=y(P-1)，x2=y(P-2)，…，xm=y(P-m)；训练样本为(Tt，dt)，t=1，2，…，l.l为样本数目，Legendre混沌神经网络的输入为Tt=(x1t，x2t，…，xmt)，dt为Legendre混沌神经网络的期望输出.该混沌神经网络采用BP算法获得网络权值，其公式为

当解释变量为外部评价主体时，ICRD=1，否则，ICRD=0。从公式（2）能够发现，σ2反映会计稳健性和正股票收益率之间的关系，σ4反映会计稳健性和负股票收益率之间的关系，若σ4显著为正，则表明“坏消息”比“好消息”能更快速反映会计稳健性。在本文中可以解释为若在内部控制评价过程中发现了公司的内部控制体系存在缺陷并进行了整改，则公司的会计稳健性将显著高于发现内部控制缺陷但却未进行整改的公司的会计稳健性。

2 三维离散傅里叶变换

三维离散傅里叶变换(3D-DFT)原理是通过时域信号向频域信号的转变，将原本具有强相关性的信号集中分布在某一特定区域，通过消除数据的空间冗余达到压缩目的，其公式为

式中：f(x，y，z)是数据值；F(u，v，w)是3D-DFT变换系数.

三维离散傅里叶反变换(3D-IDFT)公式为

式中：f(x，y，z)为空间域采样值；F(u，v，w)为频率域采样值.

3 数字水印算法

由于零水印利用图像的重要特征构造水印信息，而不是修改原始图像的特征，因此在医学图像的版权保护中使用零水印.基于Legendre混沌神经网络的三维医学体数据，数字水印算法流程如图2所示.

图2　数字水印算法流程图

4 仿真

为了验证该数字水印算法的性能，利用Matlab2010a软件对该算法进行仿真.医学体数据采用Matlab2010a软件自带的医学体数据，其大小为128×128×27.

为了测试该数字水印算法的抗攻击能力，依次进行了中值滤波[5×5]攻击、垂直下移攻击、顺时针旋转攻击和x轴方向剪切攻击.相关仿真结果如图3、图4、图5和图6所示.从各图中可以看出，在攻击下，提取的水印图像清晰可见，并且相关系数都很高.因此本文提出的数字水印算法具有很强的抗攻击能力，并且实现了水印的盲检测.由于水印图像的置乱采用了Legendre混沌神经网络，产生具有伪随机性的混沌序列，密钥量大，实现了一次一密，难以破解，提高了该数字水印算法的安全性.

本研究与文献[13]的水印算法都是体数据数字水印算法，从仿真结果看，各水印算法都能很好地抵抗各种攻击.但是本研究的体数据来源于二维医学图像切片数据，而文献[13]的体数据来源于三维模型，因此嵌入的水印有所不同.文献[13]的水印算法是把水印嵌入到三维体数据的傅里叶变换域，而本研究的数字水印算法是把水印嵌入到每个二维医学图像切片.与文献[13]水印算法相比，本研究的数字水印算法简单易实现，水印的嵌入和提取具有快捷性且计算量小的特点.

图3　抗中值滤波攻击仿真结果

图4　抗垂直下移攻击仿真结果

图5　抗顺时针旋转攻击仿真结果

图6　抗x轴方向剪切攻击仿真结果

5 结论

充分利用国内外相关领域的研究成果，以医学体数据的数字水印作为研究对象， 研究具有鲁棒性的零水印技术，提出了一种医学体数据数字水印算法.该算法基于混沌神经网络将图像的特征提取和零水印技术有机地结合在一起，实现了对医学图像信息的保护，对医疗信息产业的发展具有显著的经济效益和社会效益.

参考文献：

[1] KAUR S，FAROOQ O，SINGHAL R，et al.Digital watermarking of ECG data for secure wireless communication[C]//Proc of the 2010 IEEE International Conference on Recent Trends in Information，Telecommunication and Computing.Tunisia：2010：140-144.

[2] NAVAS K A，SASIKUMAR M.Survey of medical image watermarking algorithms[C]//Proc of the 4th Sciences of Electronic Technologies of Information and Telecommunications International Conference.Tunisia：2007：25-29.

[3] COATRIEUX G，MAITRE H，SANKUR B.Strict integrity control of biomedical images[C]//Proc of the International Society for Optical Engineering(SPIE) on Electronic Imaging，Security and Watermarking of Multimedia Contents.Tunisia：2001：229-240.

[4] NAVAS K A， SASIKUMAR M.Survey of medical image watermarking algorithms[C]//Proc of the 4th International Conference，Sciences of Electronic，Technologies of Information and Telecommunications.Tunisia：2007：25-29，

[5] COATRIEUX G，MAITRE H ，SANKUR B，et al.Relevance of watermarking in medical Imaging[C]//In Proc.IEEE Int.Conf.ITAB.Tunisia：2000：250-255.

[6] 王鑫，聂春燕.混沌同步技术在保密通信中的应用[J].长春大学学报：自然科学版，2011，21(4)：25-28.

[7] 黄继武，谭铁牛.图像隐形水印综述[J].自动化学报，2000，25(5)：643-653.

[8] COUMOU D J，SHANNA G.Insertion，deletion codes with feature based embedding：A new paradigm for watermark sychronization with applications to speech watermarking[J].IEEE Transaction Son Information Forensics and Security，2008，3(2)：153-165.

[9] 曹光辉，胡凯，佟维. 基于Logistic均匀分布图像置乱方法[J]. 物理学报，2011，60(11)：125-132.

[10] 吴戈. 基于混沌加密和连词替换的文本水印算法[J]. 长春大学学报：自然科学版，2011，21(6)：16-18.

[11] 曹光辉，胡凯. 基于混沌序列加权抽样和排序变换的图像置乱[J]. 北京航空航天大学学报，2013，39(1)：67-72.

[12] 邹阿金，罗移祥. Legender神经网络建模及股票预测[J]. 计算机仿真，2005(11)：241-242.

[13] VASSILIOS S，IOANNIS P.Watermarking digital 3D volumes in the discrete fourier transform domain[J].IEEE Transactions on Multimedia，2007，9 (7)：1373-1383.

（责任编辑：李 华）

A New Digital Watermarking Algorithm Based on Legendre Chaotic Neural Network

HAN Bao-ru，QIN Xue-feng，LI Wen-feng
(Department of Electronic Engineering，Hainan Software Profession Institute，Qionghai 571400，China)

Abstract：In order to protect medical image information，this paper presents a new algorithm of medical volume data digital watermarking based on Legendre chaotic neural network.It integrates Legendre chaotic neural network，three-dimensional discrete Fourier transformation and zero-watermarking.On the one hand，a novel Legendre chaotic neural network is used to generate a chaotic sequence with a pseudo-random sequenc for scrambling the original watermark image.On the other hand，zero-watermarking is constructed in the threedimensional discrete Fourier transforming domain of medical volume data.The simulation results show that the digital watermarking algorithm not only has good robustness，but also good security and confidentiality.

Key words：Legendre chaotic neural network；three-dimensional discrete Fourier transform；medical volume data

作者简介：韩宝如(1982-)，男，山东临沂人，副教授，博士生，主要从事数字水印、故障诊断研究.

基金项目：海南省自然科学基金资助项目(614241)

收稿日期：2015-09-11；修回日期：2015-10-15

中图分类号：TP317.4

文献标志码：A

文章编号：1008-5475(2015)04-0002-05