基于混合 DWTHMD-SVD 与 Arnold 置乱的医学图像水印技术新突破

《Scientific Reports》：Enhanced medical image watermarking using hybrid DWT-HMD-SVD and Arnold scrambling

为保护医学图像安全，研究人员提出混合水印方案，实验证明其鲁棒性和不可感知性良好。

　　在数字化浪潮中，医疗领域的数字化转型不断加速，医学图像在疾病诊断、治疗方案制定等方面发挥着关键作用。然而，随着网络技术的普及，医学图像面临着严峻的安全挑战，未经授权的访问、篡改等问题层出不穷。想象一下，一份关乎患者生命健康的关键医学影像被恶意篡改，医生依据错误的图像信息做出诊断和治疗决策，后果不堪设想。这不仅会延误患者的治疗，还可能导致严重的医疗事故。因此，如何有效保护医学图像的安全，成为了亟待解决的重要问题。

为了应对这一挑战，来自古鲁?戈宾德?辛格?英德拉普拉萨大学（Guru Gobind Singh Indraprastha University）和 KIET 机构的研究人员开展了深入研究。他们提出了一种基于混合离散小波变换（DWT）、Hessenberg 分解（HMD）、奇异值分解（SVD）与 Arnold 置乱的医学图像水印技术。该研究成果发表在《Scientific Reports》上，为医学图像安全保护提供了新的思路和方法。

研究人员在研究中运用了多种关键技术方法。首先，采用 DWT 将医学图像分解为不同频率子带，选取包含重要视觉信息且鲁棒性强的 LL 子带进行后续处理。接着，利用 HMD 简化子带矩阵，提高计算效率并保留图像关键属性。之后，借助 SVD 进一步处理矩阵，分解得到的奇异值用于水印嵌入，以此确保水印嵌入对图像质量影响最小。同时，对水印图像进行 Arnold 置乱，打乱像素位置，增强水印安全性。最后通过逆变换重构含水印图像。实验使用了来自不同疾病的医学图像数据集，如新冠感染肺部图像、肺炎图像、脑肿瘤图像等，对算法的性能进行评估。

在研究结果部分，主要从水印的鲁棒性和不可感知性等方面展开。

• 鲁棒性评估：通过归一化相关系数（NC）来衡量原始水印和提取水印之间的相似程度，以此评估水印的鲁棒性。NC 值越接近 1，表明在不同类型攻击下，水印的鲁棒性越好。研究发现，该算法在面对多种攻击时表现出色，如 JPEG 或 JPEG₂₀₀₀压缩等，能产生接近最大的 NC 值，鲁棒水印在各种图像质量下降的情况下仍能可靠检测。但在面对模糊攻击和直方图均衡化攻击时表现相对较弱，模糊攻击会使检测水印所需的小细节丢失，直方图均衡化攻击则因像素强度对比显著变化，导致水印相似性大幅下降1。
• 不可感知性评估：使用峰值信噪比（PSNR）和结构相似性指数（SSIM）评估含水印图像（W）与宿主医学图像（HMI）之间的不可感知性。PSNR 值越高，图像失真越小。无攻击时，W的 PSNR 基线值为 49.86。不同攻击对 PSNR 值影响各异，噪声类攻击使图像质量明显恶化，而 JPEG 和 JPEG₂₀₀₀压缩攻击下，PSNR 值分别为 44.20 和 48.50，该算法对这类标准操作具有较高抗性。直方图均衡化攻击导致图像质量最差，PSNR 值仅为 16.62。SSIM 用于比较 HMI 和 W^*的结构、亮度和对比度相似性，结果表明该水印方案在大多数攻击场景下能保持较高结构相似性，确保了良好的不可感知性。不过，噪声类失真仍是挑战，尽管该方法在所有模型中表现相对较好，获得了可接受的 SSIM 值，但仍有提升空间23。
• 其他指标评估：利用平均绝对误差（UACI）和像素变化率（NPCR）评估水印算法对攻击的抵抗能力。UACI 值越高，表明像素强度变化越大，攻击越强烈，图像失真越严重。研究显示，斑点噪声对图像强度变化影响最大，尤其是新冠相关图像，UACI 值高达 1.63；椒盐噪声影响最小，UACI 值大多低于 0.06。NPCR 反映原始图像和攻击后图像像素差异的百分比，值越高说明攻击导致的像素变化越显著。斑点噪声攻击使 “COVID-1” 和 “COVID-2” 图像的 NPCR 值分别达到 88.62% 和 93.20%，椒盐噪声导致的 NPCR 值最低，其他攻击如中值滤波和 JPEG 压缩对部分图像有中度到高度的 NPCR 值影响45。

研究结论表明，该混合变换水印算法成功实现了鲁棒性和不可感知性的平衡。在面对滤波、压缩和噪声添加等多种攻击时，能有效保持水印的不可感知性（PSNR 和 SSIM 指标良好）和鲁棒性（NC 值较高），在 UACI 和 NPCR 指标上也表现出色。然而，该算法在面对高斯噪声和直方图均衡化等强攻击时存在一定脆弱性，后续可通过优化水印参数、引入深度学习模型等方式进一步提升性能。

这项研究成果意义重大，为医学图像在数字环境中的安全传输和存储提供了有力保障，降低了医学图像被篡改和未经授权访问的风险，有助于维护医疗数据的完整性和患者隐私。同时，也为后续相关研究奠定了基础，推动医学图像安全领域的发展。未来，随着技术的不断进步，有望进一步完善该算法，更好地服务于医疗行业。