一种基于GFTT-KAZE-DCT的医学图像水印方法 专利技术说明

计算;推算;计数设备的制造及其应用技术一种基于gftt-kaze-dct的医学图像水印方法技术领域1.本发明涉及医学图像处理领域，特别是涉及一种基于gftt-kaze-dct的医学图像水印方法。背景技术：2.随着医疗技术的不断发展，医学图像在诊断和治疗中的作用越来越重要。但是，医学图像的保护和管理也成为了一个重要的问题。医学图像的泄露和篡改可能会对患者的隐私和治疗造成严重的影响。因此，保护医学图像的完整性变得至关重要。3.图像水印是一种常用的保护图像的技术，通过将水印嵌入到图像中来保障图像信息的安全。传统的图像水印技术虽然可以将水印所携带的信息嵌入到图像中，但容易修改原始图像的部分数据，不适于对于图像精度有较高要求的领域，比如医学图像。此类医学图像的原始数据完全不能发生变更，否则会存在医疗事故的风险。技术实现要素：4.有鉴于此，本发明的目的在于提供一种基于gftt-kaze-dct的医学图像水印方法，可以解决传统水印嵌入技术对原始数据修改造成的难题，提高医学图像信息的安全性。其具体方案如下：5.一种基于gftt-kaze-dct的医学图像水印方法，包括：6.采用gftt算法提取医学图像的关键点信息；7.利用kaze算法对所述医学图像的关键点信息进行描述，得到所述医学图像的特征描述符矩阵；8.对所述医学图像的特征描述符矩阵进行dct变换，生成所述医学图像的特征二值序列；9.将所述医学图像的特征二值序列和加密水印逐位进行异或运算，以将水印信息嵌入至所述医学图像中。10.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，采用gftt算法提取医学图像的关键点信息，包括：11.利用高斯加权核对所述医学图像进行卷积处理，获得所述医学图像对应的自相关矩阵；12.对所述医学图像对应的自相关矩阵进行特征分析，得到所述医学图像对应的自相关矩阵的响应值并作为所述医学图像的关键点信息。13.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，利用kaze算法对所述医学图像的关键点信息进行描述，得到所述医学图像的特征描述符矩阵，包括：14.在所述医学图像的各关键点取一个方形窗口，将所述方形窗口进行区域划分，得到多个相同大小的子区域；每相邻子区域存在重叠区域；15.对子区域进行高斯加权，得到子区域描述向量；16.通过高斯窗口对每个子区域的描述向量进行加权和归一化处理后，得到所述医学图像的特征描述符矩阵。17.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，对所述医学图像的特征描述符矩阵进行dct变换，生成所述医学图像的特征二值序列，包括：18.对所述医学图像的特征描述符矩阵进行dct变换，得到所述医学图像的系数矩阵；19.选择所述医学图像的系数矩阵中低频处设定大小的模块，构成所述医学图像的新矩阵；20.利用哈希函数对所述医学图像的新矩阵进行符号转换，生成设定位数所述医学图像的特征二值序列。21.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，在将所述医学图像的特征二值序列和加密水印逐位进行异或运算之前，还包括：22.利用logistic混沌映射生成二值混沌序列；23.将原始水印进行二值化处理，得到二值化水印图像；24.使用所述二值混沌序列对所述二值化水印图像进行置乱，得到混沌置乱的水印作为所述加密水印。25.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，在将水印信息嵌入至所述医学图像中的同时，还包括：26.生成逻辑密钥；27.对待测医学图像进行特征提取，得到所述待测医学图像的特征二值序列；28.将所述待测医学图像的特征二值序列与所述逻辑密钥进行异或运算，提取出新加密水印。29.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，对待测医学图像进行特征提取，得到所述待测医学图像的特征二值序列，包括：30.采用gftt算法提取所述待测医学图像的关键点信息；31.利用kaze算法对所述待测医学图像的关键点信息进行描述，得到所述待测医学图像的特征描述符矩阵；32.对所述待测医学图像的特征描述符矩阵进行dct变换，得到所述待测医学图像的特征二值序列。33.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，采用gftt算法提取所述待测医学图像的关键点信息，包括：34.利用高斯加权核对所述待测医学图像进行卷积处理，获得所述待测医学图像对应的自相关矩阵；35.对所述待测医学图像对应的自相关矩阵进行特征分析，得到所述待测医学图像对应的自相关矩阵的响应值并作为所述待测医学图像的关键点信息。36.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，对所述待测医学图像的特征描述符矩阵进行dct变换，得到所述待测医学图像的特征二值序列，包括：37.对所述待测医学图像的特征描述符矩阵进行dct变换，得到所述待测医学图像的系数矩阵；38.选择所述待测医学图像的系数矩阵中低频处设定大小的模块，构成所述待测医学图像的新矩阵；39.利用哈希函数对所述待测医学图像的新矩阵进行符号转换，生成设定位数所述待测医学图像的特征二值序列。40.优选地，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，在提取出新加密水印之后，还包括：41.将所述二值混沌序列与提取的所述新加密水印的位置空间进行异或还原，得到还原水印。42.从上述技术方案可以看出，本发明所提供的一种基于gftt-kaze-dct的医学图像水印方法，包括：采用gftt算法提取医学图像的关键点信息；利用kaze算法对医学图像的关键点信息进行描述，得到医学图像的特征描述符矩阵；对医学图像的特征描述符矩阵进行dct变换，生成医学图像的特征二值序列；将医学图像的特征二值序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。43.本发明提供的上述医学图像水印方法，基于gftt、kaze和dct对医学图像进行特征提取，具有较好的鲁棒性和稳定性，在嵌入数字水印后，能够实现医学图像零水印抗几何攻击以及常规攻击的目的，更好地解决了传统水印嵌入技术对原始数据修改造成的难题，确保了医学图像的质量，提高了医学图像信息的安全性。附图说明44.为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。45.图1为本发明实施例提供的基于gftt-kaze-dct的医学图像水印方法的流程图；46.图2为本发明实施例提供的原始医学图像；47.图3为本发明实施例提供的肺部医学图像；48.图4为本发明实施例提供的手部医学图像；49.图5为本发明实施例提供的足关节医学图像；50.图6为本发明实施例提供的腰椎医学图像；51.图7为本发明实施例提供的骶髂关节医学图像；52.图8为本发明实施例提供的大脑医学图像；53.图9为本发明实施例提供的膝关节医学图像；54.图10为本发明实施例提供的腰椎医学图像；55.图11为本发明实施例提供的原始水印图像；56.图12为本发明实施例提供的加密后的水印图像；57.图13为本发明实施例提供的不加干扰时提取的水印；58.图14为本发明实施例提供的压缩质量为10％的jpeg压缩的医学图像；59.图15为本发明实施例提供的压缩质量为10％的jpeg压缩时提取的水印；60.图16为本发明实施例提供的窗口大小为[3*3]，中值滤波5次后的医学图像；[0061]图17为本发明实施例提供的窗口大小为[3*3]，中值滤波5次后提取的水印；[0062]图18为本发明实施例提供的逆时旋转30°的医学图像；[0063]图19为本发明实施例提供的逆时旋转30°提取的水印；[0064]图20为本发明实施例提供的逆时旋转60°的医学图像；[0065]图21为本发明实施例提供的逆时旋转60°提取的水印；[0066]图22为本发明实施例提供的缩放因子为1.3时缩放后的医学图像；[0067]图23为本发明实施例提供的缩放因子为1.3时提取的水印；[0068]图24为本发明实施例提供的缩放因子为1.6时缩放后的医学图像；[0069]图25为本发明实施例提供的缩放因子为1.6时提取的水印；[0070]图26为本发明实施例提供的医学图像水平右移20％后的图像；[0071]图27为本发明实施例提供的水平右移20％后提取的水印；[0072]图28为本发明实施例提供的医学图像垂直下移20％后的图像；[0073]图29为本发明实施例提供的垂直下移20％后提取的水印；[0074]图30为本发明实施例提供的沿y轴剪切30％后的医学图像；[0075]图31为本发明实施例提供的沿y轴剪切30％后提取的水印；[0076]图32为本发明实施例提供的沿x轴剪切30％后的医学图像；[0077]图33为本发明实施例提供的沿x轴剪切30％后提取的水印。具体实施方式[0078]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0079]本发明提供一种基于gftt-kaze-dct的医学图像水印方法，如图1所示，包括以下步骤：[0080]s101、采用gftt算法提取医学图像的关键点信息；[0081]需要说明的是，医学图像作为原始医学图像，例如一个512*512大小的医学图像，记为i(i,j)。用i(i,j)表示原始医学图像的像素灰度值。[0082]具体地，采用gftt(good features to track)算法提取医学图像i(i,j)的关键点信息。也就是对医学图像i(i,j)进行gftt特征点提取，得到关键点信息。gftt算法是一种计算机视觉中的特征点检测算法，该算法主要用于在图像序列中追踪物体的运动，具有较好的鲁棒性和稳定性。[0083]s102、利用kaze算法对医学图像的关键点信息进行描述，得到医学图像的特征描述符矩阵；[0084]具体地，对提取的医学图像i(i,j)的关键点信息用kaze(kernel accelerated feature point detector and descriptor)描述子描述，得到医学图像的特征描述符矩阵a(i,j)。kaze算法是用于计算机视觉中的特征提取算法，是一种基于尺度空间理论的算法，能够从图像中检测出稳定的特征点，并计算出这些特征点的描述子，以便于后续的匹配和识别。本发明只涉及到kaze算法计算特征点的描述子部分。[0085]s103、对医学图像的特征描述符矩阵进行dct变换，生成医学图像的特征二值序列；[0086]具体地，对医学图像i(i,j)的特征描述符矩阵a(i,j)进行dct变换，最后生成医学图像的特征二值序列v(i,j)。[0087]s104、将医学图像的特征二值序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。[0088]需要说明的是，上述加密水印是指原始水印进行混沌置乱加密处理后得到的水印，可以选取一个有内容的二值文本图像作为嵌入医学图像i(i,j)的水印，记为w＝{w(i,j)|w(i,j)＝0,1；1≤i≤m1,1≤j≤m2}，m1和m2分别为原始水印的长宽尺寸。用w(i,j)表示原始水印的像素灰度值。原始水印w(i,j)进行混沌置乱加密处理后可得到加密水印bw(i,j)。[0089]具体地，将医学图像i(i,j)的特征二值序列v(i,j)和加密水印bw(i,j)逐位进行异或运算，可以将水印信息嵌入至医学图像i(i,j)中。[0090]在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，基于gftt、kaze和dct对医学图像进行特征提取，具有较好的鲁棒性和稳定性，在嵌入数字水印后，能够实现医学图像零水印抗几何攻击以及常规攻击的目的，更好地解决了传统水印嵌入技术对原始数据修改造成的难题，确保了医学图像的质量，提高了医学图像信息的安全性。[0091]在具体实施时，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，步骤s101采用gftt算法提取医学图像的关键点信息，具体可以包括：利用高斯加权核对医学图像i(i,j)进行卷积处理，获得医学图像i(i,j)对应的自相关矩阵；对医学图像i(i,j)对应的自相关矩阵进行特征分析，得到医学图像i(i,j)对应的自相关矩阵的响应值并作为医学图像i(i,j)的关键点信息。[0092]需要说明的是，gftt算法是一种基于自相关矩阵响应值的角点提取方法，基于自相关矩阵响应值的像素点邻域可以描述为：[0093]e(x，y)＝σqw(u，v)[i(u+x，v+y)-i(u，v)]2；[0094]其中，e表示强度变化，(x，y)表示医学图像i中的像素坐标，w(u，0表示位置(u，v)处的窗口补丁，q表示临近窗口。[0095]将其用泰勒序列展开，可得到：[0096][0097]式中，m表示自相关矩阵。[0098]gftt检测子在对图像特征点进行检测之前需要用高斯加权核w对医学图像进行卷积处理，从而获得自相关函数局部形状在每个像素上的估计：[0099][0100]式中，ix、iy表示医学图像的空间梯度。1，其中m和n是宿主图像的尺寸。然后，将原始水印w(i,j)进行二值化处理，得到二值化水印图像；使用二值混沌序列对二值化水印图像进行置乱，得到混沌置乱的水印作为加密水印w(i,j)。[0114]在具体实施时，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，在执行步骤s104将水印信息嵌入至医学图像中的同时，还可以包括：生成逻辑密钥key(i,j):[0115][0116]保存key(i,j)，这在后面提取水印时要用到。通过将key(i,j)作为密钥向第三方申请，可以获得原始医学图像的所有权和使用权，从而达到保护医学图像的目的。[0117]接下来，对待测医学图像i’(i,j)进行特征提取，得到待测医学图像i’(i,j)的特征二值序列v’(i,j)；然后，将待测医学图像i’(i,j)的特征二值序列v’(i,j)与逻辑密钥key(i,j)进行异或运算，提取出新加密水印bw’(i,j)：[0118][0119]该算法在提取水印时只需要密钥key(i,j)，不需要原始图像参与，是一种零水印提取算法。[0120]在具体实施时，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，对待测医学图像i’(i,j)进行特征提取，得到待测医学图像i’(i,j)的特征二值序列v’(i,j)，具体可以包括：采用gftt算法提取待测医学图像i’(i,j)的关键点信息；利用kaze算法对待测医学图像i’(i,j)的关键点信息进行描述，得到待测医学图像i’(i,j)的特征描述符矩阵a’(i,j)；对待测医学图像i’(i,j)的特征描述符矩阵进行dct变换，得到待测医学图像i’(i,j)的特征二值序列v’(i,j)。[0121]在具体实施时，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，采用gftt算法提取待测医学图像i’(i,j)的关键点信息，具体可以包括：利用高斯加权核对待测医学图像i’(i,j)进行卷积处理，获得待测医学图像i’(i,j)对应的自相关矩阵；对待测医学图像i’(i,j)对应的自相关矩阵进行特征分析，得到待测医学图像i’(i,j)对应的自相关矩阵的响应值并作为待测医学图像i’(i,j)的关键点信息。[0122]在具体实施时，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，对待测医学图像i’(i,j)的特征描述符矩阵a’(i,j)进行dct变换，得到待测医学图像i’(i,j)的特征二值序列v’(i,j)，具体可以包括：对待测医学图像i’(i,j)的特征描述符矩阵a’(i,j)进行dct变换，得到待测医学图像i’(i,j)的系数矩阵f’(i,j)；选择待测医学图像i’(i,j)的系数矩阵f’(i,j)中低频处设定大小(如2*16)的模块，构成待测医学图像i’(i,j)的新矩阵d’(i,j)；利用哈希函数对待测医学图像i’(i,j)的新矩阵进行符号转换d’(i,j)，生成设定位数待测医学图像i’(i,j)的特征二值序列v’(i,j)。[0123]关于待测医学图像i’(i,j)进行特征提取的具体实施方式可以参考上述医学图像i(i,j)的特征提取方法，在此不做赘述。[0124]在具体实施时，在本发明实施例提供的上述基于gftt-kaze-dct的医学图像水印方法中，在提取出新加密水印之后，还可以包括：利用和水印加密同样的方法，得到相同的二值混沌序列；将二值混沌序列与提取的新加密水印bw’(i,j)的位置空间进行异或还原，得到还原水印w’(i,j)。[0125]最后，通过计算原始水印w(i,j)和还原水印w’(i,j)的归一化相关系数nc(normalized cross correlation)，可以确定医学图像的所有权和嵌入的水印信息。[0126]下面结合附图对本发明作进一步说明，实验测试的对象是512×512的腹部医学图像，见图2，用i(i,j)表示。首先对原始图像进行gftt-kaze-dct变换，考虑到鲁棒性和一次性嵌入水印的容量，本发明取32个系数，即一个2*16的模块，表一列出了在不同攻击下大脑图像提取到的符号序列。从表一可以看出，经过变换后，大部分被攻击后的图像与原始图像的特征符号序列保持一致。[0127]表一原始医学图像在不同攻击下特征序列系数的变化[0128]图像操作符号序列(32位)nc原始图像100001100011001001100100010011001.00jpeg压缩(50％)100001100011001001100100010011001.00中值滤波[3×3](5次)100001100011001001100100010011001.00逆时针旋转(120°)100001100001001001101100010011000.80缩放(×0.6)100001100011001001100100010011001.00右移(10％)100001100011001001100100010011001.00上移(5％)100001100011001001101100010011000.89y轴剪切(10％)100001100011001001100100010011001.00x轴剪切(10％)100001100011001001101100010011000.89[0129]然后，选取8张不同的医学图像对其进行验证，并分别提取它们的32位特征向量，计算其图像间的归一化相关系数值。图3至图10和表二给出了八张不同的医学图像以及它们之间的nc值。从数据中可以看出，使用上述方法提取的特征向量得到的不同图像间的nc值都小于0.5，且各自的nc值都为1.00。这些结果与人类的视觉特征一致。[0130]表二八张不同医学图像之间的相关系数值(32位)[0131][0132][0133]选择一个有意义的二值图像作为原始水印，这里水印的大小为32*32，见图11。设置混沌系数的初始值为0.2，增长参数是4，迭代次数是32。然后对原始水印进行混沌加密，加密后水印见图12。通过水印方法检测出w’(i,j)后，通过计算nc来判断是否有水印嵌入，当其数值越接近1时，则相似度越高，从而判断算法的鲁棒性。用psnr表示的图片的失真程度，当psnr值越大，图片的失真度越小。[0134]图13是不加干扰时提取的水印，可以看到nc＝1.00，可以准确得提取水印。[0135]下面通过具体实验来判断该水印方法的抗常规攻击能力和抗几何攻击能力。[0136]先测试该水印方法抗常规攻击的能力。[0137]采用图像压缩质量百分数作为参数对腹部医学图像进行jpeg压缩；表三为水印抗jpeg压缩的实验数据。当压缩质量为5％，这时图像质量较低，仍然可以提取出水印，nc＝0.8。[0138]图14是压缩质量为10％的医学图像；[0139]图15是压缩质量为10％提取的水印，nc＝0.89。[0140]表三水印抗jpeg压缩实验数据[0141][0142]表四为水印抗中值滤波攻击实验数据。从表四中可以看到当图像中值滤波[3*3]，滤波次数20次时，nc＝1，仍然可以提取水印。[0143]图16是均值滤波[3*3]，滤波重复次数为5次的医学图像；[0144]图17是均值滤波[3*3]，滤波重复次数为5提取的水印，nc＝1。[0145]表四水印抗中值滤波实验数据[0146] 中值滤波[3*3]次数51020gftt-kaze-dctpsnr(db)34.4933.9933.81gftt-kaze-dctnc111[0147]表五为水印抗旋转攻击实验数据。从表五中可以看到当图像逆时旋转60°时，nc＝0.89，仍然可以提取水印。[0148]图18是逆时旋转30°的医学图像；[0149]图19是逆时旋转30°提取的水印，nc＝0.89，可以准确地提取水印。[0150]图20是逆时旋转60°的医学图像；[0151]图21是逆时旋转60°提取的水印，nc＝0.89，可以准确地提取水印。[0152]表五水印抗旋转攻击实验数据[0153] 逆时针旋转(°)30456090120gftt-kaze-dctpsnr(db)14.3913.8413.5413.3813.30gftt-kaze-dctnc0.890.890.890.890.80[0154]表六为医学图像的水印抗缩放攻击实验数据，从表六可以看到当缩放因子小至0.9时，相关系数nc＝1，可提取出水印。[0155]图22是缩放后的医学图像(缩放因子为1.3)；[0156]图23是缩放攻击后提取的水印，nc＝0.8，可以准确得提取出水印。[0157]图24是缩放后的医学图像(缩放因子为1.6)；[0158]图25是缩放攻击后提取的水印，nc＝0.89，可以准确得提取出水印。[0159]表六水印抗缩放攻击实验数据[0160] 缩放比例0.91.11.21.31.41.51.6gftt-kaze-dctnc110.890.800.890.890.89[0161]表七是水印抗平移变换实验数据。从表七中得知图像数据垂直移动40％时，nc值都高于0.5，可以准确提取水印，故该水印方法有较强的抗平移变换能力。[0162]图26是医学图像水平右移20％后的图像；[0163]图27是水平右移20％后提取的水印，可以准确提取水印，nc＝0.8。[0164]图28是医学图像垂直下移20％后的图像；[0165]图29是垂直下移20％后提取的水印，可以准确提取水印，nc＝0.89。[0166]表七水印抗平移变换实验数据[0167][0168][0169]表八为水印抗剪切攻击实验数据，从表八中可以看到，当沿坐标轴y剪切医学图像，剪切量为40％时，nc＝0.89，沿坐标轴x剪切医学图像，剪切量为40％时，nc＝0.8，仍然可以提取水印，说明该水印方法有较强的抗剪切攻击能力。[0170]图30是沿y轴剪切30％后的医学图像；[0171]图31是沿y轴剪切30％后提取的水印，可以准确得提取水印，nc＝0.89。[0172]图32是沿x轴剪切30％后的医学图像；[0173]图33是沿x轴剪切30％后提取的水印，可以准确得提取水印，nc＝0.80。[0174]表八水印抗剪切攻击实验数据[0175][0176]本发明首先采用logistic map混沌映射在频域对水印进行混沌置乱加密；然后利用gftt算法提取医学图像的关键点；然后利用kaze算法描述特征点对之前提取的关键点进行描述，生成特征描述符矩阵；从而将提取医学图像的特征向量开始水印的嵌入，将提取的特征向量与水印相关联获得二值逻辑序列，并将此二值序列存储在第三方；再通过对待测的医学图像进行gftt-kaze-dct变换获得其特征向量，并与存储于第三方的二值序列相关联，从而进行水印的提取与恢复。这样具有很好的鲁棒性，针对旋转以及平移、高斯噪声等攻击的效果尤为突出，并且水印的嵌入并不改变原始加密数据的内容。[0177]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。[0178]专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。[0179]结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。[0180]最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0181]以上对本发明所提供的基于gftt-kaze-dct的医学图像水印方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!