一种基于图像修复算法的医学图像自恢复方法

1.本公开涉及数字图像处理、计算机视觉、信号处理等技术领域，具体为一种基于图像修复算法的医学图像自恢复方法。


背景技术：

2.此部分的陈述仅仅提供与本公开有关的背景技术信息，并且这些陈述可能构成现有技术。在实现本发明过程中，发明人发现现有技术中至少存在如下问题。
3.近年来图像处理技术快速发展，各种复杂的图像修改软件随之增多，人们利用该类软件可以根据自己的想法任意对数字多媒体内容进行修改和传播。因此，信息化在给人们的工作和生活带来方便的同时也会造成一些安全隐患。攻击者利用强大的多媒体编辑工具对数字多媒体信息的内容进行恶意的篡改和伪造，使得肉眼无法分辨真伪，导致侵犯版权和恶意篡改的事件不断增加。数字图像作为多媒体信息的重要载体，被广泛的应用于信息的传递。如何利用数字水印技术防止信息泄露，保护多媒体信息的安全成为了人们的热议话题。
4.数字水印已被广泛应用于各种数字多媒体中，其载体可以是文本、图像、视频和音乐等。数字水印的主要思想是根据载体的冗余性，将秘密信息以水印的形式嵌入至多媒体信息本身生成保护载体，并且嵌入的秘密信息具有不可见性。人们仅通过视觉或听觉系统是无法感知出来的。通过从保护载体中提取的信息检测数字多媒体的真实性和完整性。数字水印按用途主要分为两类：第一类以鲁棒水印为代表，主要用来进行版权保护，如作者信息，出版社信息等。第二类以脆弱水印为代表，主要用来判断内容是否被篡改。起初，脆弱水印技术在原始图像中只嵌入认证水印以检测内容的真实性。认证水印通常由原始图像的哈希值生成，用于检测篡改的区域，但无法恢复篡改区域。
5.为了在检测篡改区域的同时实现篡改区域的恢复，现有的大多数的脆弱水印方法采用双重水印机制(认证水印和参考水印)将水印信息嵌入到原始图像中生成保护图像。在保护图像被破坏的情况下，可以提取参考水印信以恢复篡改图像。参考水印通常由dct中每个块的低频系数、小波变换的低频系数和原始图像的半色调版本等方法生成，代表原始图像的主要内容，用于恢复篡改区域。实现恢复的常用方法为自嵌入水印算法，例如将图像的一个高压缩版本嵌入图像本身或是恢复数据中含有原始图像的基本信息。这类既具有定位又能够恢复篡改区域的技术受到了研究者的广泛关注。
6.现有篡改检测与自恢复方法将水印信息嵌入到原始图像中，不仅能够检测出篡改区域，还能利用隐藏在图像本身其他区域的信息恢复篡改区域，但在医学图像领域仍存在一些缺陷：(1)由于医学图像本身是一种敏感图像，嵌入大量的水印信息很有可能破坏原始图像的主观效果；(2)当检测出篡改区域后，利用从攻击图像中提取的参考水印填充在篡改区域来近似恢复篡改区域的内容，而忽视了攻击图像本身的相似信息；(3)医学图像不同于其他图像，其本身存在很多相似的信息，而现存方法忽视了医学图像本身的相似信息，并未进行利用。


技术实现要素：

7.针对上述问题，本发明的目的在于解决现有技术中的一部分问题，或至少缓解这些问题。
8.一种基于图像修复算法的医学图像自恢复方法，包括：
9.将医学图像作为原始图像生成水印值；
10.利用hessian矩阵提取原始图像的特征信息；
11.利用lsb算法将生成的水印值嵌入在原始图像中，生成嵌入水印后的水印图像；
12.当嵌入水印后的水印图像遭受攻击时，从攻击图像中提取参考水印，利用所提取的水印值检测篡改区域；
13.检测出篡改区域后，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域。
14.进一步的，所述对ll3子带的系数进行量化编码的方法是差分脉冲编码。
15.进一步的，利用lsb算法将生成的水印值嵌入在原始图像中，包括，将生成的水印值嵌入原始图像的像素的低位平面中。
16.进一步的，利用lsb算法将生成的水印值嵌入在原始图像中，包括如下步骤：
17.对于第一个水印值，假设嵌入水印后的像素值等于原始像素值
18.iw(m(i),n(i))＝i(m(i),n(i)),i＝1
19.若嵌入水印的序列大于1且当前嵌入的水印值是一个正整数，嵌入公式如下：
20.iw(m(i),n(i))＝i(m(i),n(i))-mod(i(m(i),n(i)),23)+wi,if wi＞0
21.嵌入水印值后将像素的标记位设置为1，如下：
22.iw(m(i),n(i))＝bitset(iw(m(i),n(i)),2,1)
23.若当前嵌入的水印值是一个负整数，取绝对值，利用lsb算法嵌入水印值，其嵌入公式如下：
24.iw(m(i),n(i))＝i(m(i),n(i))-mod(i(m(i),n(i)),23)+absb(wi),if wi＜0
25.iw(m(i),n(i))＝bitset(iw(m(i),n(i)),2,0)
26.其中，i代表第i个水印值，m,n代表原始图像的第m行第n列，iw代表嵌入水印后的像素值；i指的是原始图像，wi指的是第i个水印值；
27.逐个遍历水印值w＝[w1,w2,....,wn]，直至将所有像素值全部嵌入在原始图像中得到嵌入水印后的水印图像。
[0028]
进一步的，利用所提取的参考水印的水印值检测篡改区域，包括如下步骤：
[0029]
从攻击图像中提取水印值；
[0030]
利用差分脉冲编码水印值得到原始图像的近似压缩版本c'；
[0031]
比较攻击图像和得到的c'的差异，得到近似篡改区域d1；
[0032]
d1＝t-c'
[0033]
将得到的篡改区域d1进行阈值化和形态学处理，得到最终有效的篡改范围d
[0034]
d2＝threshod(d1)
[0035]
d＝morphology(d2)
[0036]
其中，t指的是攻击图像；d2指的是经过阈值化操作后检测到的篡改区域；
[0037]
进一步的，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域，包括
借助图像修复算法在攻击图像本身找到篡改区域的相似信息；复制攻击图像本身的相似信息粘贴在篡改区域以恢复篡改区域。
[0038]
进一步的，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域，包括如下步骤：
[0039]
遍历检测到的篡改区域；若检测到像素被篡改，以当前篡改像素为中心确定一个篡改块；
[0040]
ω2＝t-ω1
[0041]
其中，t为嵌入水印后被攻击的图像；ω1为检测出来的篡改区域，ω2为已知部分(未攻击的部分)；
[0042]
在提取出的水印图像的已知区域ω2中寻找最佳匹配块，寻找的匹配块s如下：
[0043]
s＝{s1,s2,
……
,sm}
[0044]
其中，m属于已知区域ω2，并且其取值范围与攻击区域的大小有关；
[0045]
在所有匹配块中查找篡改块的最佳匹配块公式如下：
[0046][0047]
其中，p
x
是以篡改像素x为中心的篡改块，p是当前匹配的像素，s
p
是提取水印的已知区域中以匹配像素p为中心的匹配块；利用欧式距离来衡量匹配块s
p
与篡改块p
x
的相似程度；
[0048]
将相似块的空间位置映射在攻击图像的已知区域的过程如下：
[0049][0050]
其中，为攻击图像已知区域的相似信息；
[0051]
利用图像修复算法得到篡改块的相似块，复制相似块的信息粘贴在篡改区域，得到篡改后的恢复图像。
[0052]
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于图像修复算法的医学图像自恢复方法的步骤。
[0053]
本发明具有如下有益效果：
[0054]
(1)利用matlab平台进行测试，成本低廉；
[0055]
(2)是一个基于图像修复算法恢复篡改区域的方法，充分利用了医学图像本身相似信息多的特性，仅依赖攻击图像本身的相似信息恢复篡改区域，简单而有效；
[0056]
(3)本发明将少量的水印信息嵌入在原始图像的轮廓、边缘等区域，能够实现对原始图像内容的保护；
[0057]
(4)本发明对于剪切和复制-粘贴等攻击能够实现篡改定位；
[0058]
(5)较高的准确率，针对小范围的剪切和复制-粘贴攻击，其篡改后恢复图像的psnr高达35db；
[0059]
(6)可以辅助相关的图像取证或图像安全工作，进而降低篡改图像对个人和社会带来的不利影响，具有实际意义，并且取得较好效果。
附图说明
[0060]
图1是本发明的系统流程图；
[0061]
图2是水印嵌入在原始图像后位置的效果图；
[0062]
图3是篡改定位与自恢复的流程图；
[0063]
图4是基于图像修复模型的自恢复过程图。
具体实施方式
[0064]
以下结合附图，对本发明作进一步说明，本发明的实施例只用于说明本发明而非限制本发明，在不脱离本发明技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的范围内。
[0065]
如图1所示，一种基于图像修复算法的医学图像自恢复方法，包括：
[0066]
将医学图像作为原始图像生成水印值；
[0067]
利用hessian矩阵提取原始图像的特征信息；
[0068]
利用lsb算法将生成的水印值嵌入在原始图像中，生成嵌入水印后的水印图像；
[0069]
当嵌入水印后的水印图像遭受攻击时，从攻击图像中提取参考水印，利用所提取的水印值检测篡改区域；
[0070]
检测出篡改区域后，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域。
[0071]
所述hessian矩阵是由多元函数的二阶偏导数所组成的实对称矩阵，其中二阶偏导数构成的hessian矩阵的特征值代表图像自身的特征。lsb算法指的是最低平面位(least significant bit)水印嵌入算法。
[0072]
本发明利用数字图像处理、计算机视觉、信号处理等技术，实现了对医学图像内容信息的保护并且可以利用攻击图像本身的相似信息恢复篡改区域。本发明是一个基于图像修复算法恢复篡改区域的方法，充分利用了医学图像本身存在很多相似信息的特性，根据图像的本身的相似信息恢复篡改区域可以近似恢复原始图像信息。从而，仅依赖攻击图像本身的相似信息恢复篡改区域，简单而有效。
[0073]
将医学图像作为原始图像生成水印值，包括，将原始图像进行dwt后选取低频子带ll3作为原始图像的近似压缩版本；对ll3子带的系数进行量化编码并生成水印值。
[0074]
dwt是高等数学中一种很经典的变换。利用压缩算法可以将dwt变换后的系数进行高效的压缩和存储。dwt在表示图像细节和图像压缩等方面有显著的优势。在图像压缩方面的优势主要表现为以下几个方面：图像上约90％的能量都集中分布在了低频子带ll上；图像的边缘、轮廓等小区域的能量分布在了高频子带上。dwt压缩的原理是把原始图像分解为不同频率的子带，然后对不同频率的子带实施不同的编码算法，就实现了对原始图像的压缩。
[0075]
原始图像经过dwt后生成四个不重叠的子带。选择低频子带ll3的原因是：高频子带集中了图像的边缘、轮廓对应位置的部分能量；低频子带ll上集中了图像的大部分能量。人眼的特性对高频失真不敏感，特别是对角线方向的高频失真最不敏感，而对低频子带的信息最为敏感，本发明选择ll3子带作为原始图像的近似压缩版本。
[0076]
由于ll3子带的系数是离散分布的，所述对ll3子带的系数进行量化编码的方法是
差分脉冲编码。差分脉冲编码dpcm利用相邻样本的相关性，将前一个样本值做为本位样本的预测估值，而将两者差值进行量化、编码。dpcm编解码算法简单,便于实现。dpcm压缩率与预测器性能相关,预测器的预测误差越小,则压缩率越高。利用dpcm编码方法可以有效的减少数据冗余，实现数据压缩的目的。
[0077]
利用lsb算法将生成的水印值嵌入在原始图像中，包括，将生成的水印值嵌入原始图像的像素的低位平面中。所述低位平面，包括原始图像的轮廓、边缘等区域，可利用hessian矩阵提取原始医学图像的轮廓、边缘等区域，再利用lsb算法将生成的水印值嵌入在原始图像的轮廓、边缘等区域中，生成嵌入水印后的水印图像。配合差分脉冲编码dpcm和低频子带ll3等方式，可将少量的水印信息嵌入在原始图像的轮廓、边缘等区域，避免医学图像这类敏感图像被嵌入的大量水印信息破坏图像的主观效果，能够实现对医学图像内容的保护。如图2所示，水印嵌入在医学图像后，医学图像并不会受到影响。
[0078]
利用lsb算法将生成的水印值嵌入在原始图像中，包括如下步骤：
[0079]
对于第一个水印值，假设嵌入水印后的像素值等于原始像素值
[0080]iw
(m(i),n(i))＝i(m(i),n(i)),i＝1
[0081]
若嵌入水印的序列大于1且当前嵌入的水印值是一个正整数，嵌入公式如下：
[0082]iw
(m(i),n(i))＝i(m(i),n(i))-mod(i(m(i),n(i)),23)+wi,ifwi＞0
[0083]
嵌入水印值后将像素的标记位设置为1，如下：
[0084]iw
(m(i),n(i))＝bitset(iw(m(i),n(i)),2,1)
[0085]
若当前嵌入的水印值是一个负整数，取绝对值，利用lsb算法嵌入水印值，其嵌入公式如下：
[0086]iw
(m(i),n(i))＝i(m(i),n(i))-mod(i(m(i),n(i)),23)+absb(wi),if wi＜0
[0087]iw
(m(i),n(i))＝bitset(iw(m(i),n(i)),2,0)
[0088]
其中，i代表第i个水印值的序号，m,n代表原始图像的第m行第n列，iw代表嵌入水印后的像素值；i指的是原始图像，wi指的是第i个水印值；
[0089]
逐个遍历水印值w＝[w1,w2,....,wn]，直至将所有像素值全部嵌入在原始图像中得到嵌入水印后的水印图像。
[0090]
如图3所示，利用所提取的水印值检测篡改区域，包括如下步骤：
[0091]
从攻击图像中提取水印值；
[0092]
利用差分脉冲编码水印值得到原始图像的近似压缩版本c'；
[0093]
比较攻击图像和得到的c'的差异，得到近似篡改区域d1；
[0094]
d1＝t-c'
[0095]
将得到的篡改区域d1进行阈值化和形态学处理，得到最终有效的篡改范围d
[0096]
d2＝threshod(d1)
[0097]
d＝morphology(d2)
[0098]
其中，t指的是攻击图像；d2指的是经过阈值化操作后检测到的篡改区域；如图4所示，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域，包括借助图像修复算法在攻击图像本身找到篡改区域的相似信息；复制攻击图像本身的相似信息粘贴在篡改区域以恢复篡改区域。
[0099]
借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域，包括如下步骤：
[0100]
遍历检测到的篡改区域；若检测到像素被篡改，以当前篡改像素为中心确定一个篡改块；
[0101]
ω2＝t-ω1
[0102]
其中，t为嵌入水印后被攻击的图像；ω1为检测出来的篡改区域，ω2为已知部分(未攻击的部分)；
[0103]
在提取出的水印图像的已知区域ω2中寻找最佳匹配块，寻找的匹配块s如下：
[0104]
s＝{s1,s2,
……
,sm}
[0105]
其中，m属于已知区域ω2，并且其取值范围与攻击区域的大小有关；
[0106]
在所有匹配块中查找篡改块的最佳匹配块公式如下：
[0107][0108]
其中，p
x
是以篡改像素x为中心的篡改块，p是当前匹配的像素，s
p
是提取水印的已知区域中以匹配像素p为中心的匹配块；利用欧式距离来衡量匹配块s
p
与篡改块p
x
的相似程度；
[0109]
将相似块的空间位置映射在攻击图像的已知区域的过程如下：
[0110][0111]
其中，为攻击图像已知区域的相似信息；
[0112]
利用图像修复算法得到篡改块的相似块，复制相似块的信息粘贴在篡改区域，得到篡改后的恢复图像。
[0113]
生成水印图像的具体步骤如下：
[0114]
步骤1：对于一张尺寸为m*n的8_bit灰度医学图像i，其中m和n是8的倍数。原始图像i经过三级dwt后得到ll3子带，记为
[0115]
c＝[c1,c2,.....,cn]
[0116]
步骤2：利用dpcm量化编码c得到水印值w＝[w1,w2,....,wn]；
[0117]
步骤3：利用hessian矩阵提取原始医学图像的特征信息，如：边缘、轮廓等区域。如果需要判断图像i中的某点像素n是否属于轮廓区域，可通过泰勒展开式来表示图像i中的像素点n邻域内的图像结构，其表达式为：
[0118]
i(n+δn)＝i(n)+(δn)
t
▽
i(n)+(δn)
t
h(n)δ(n)
[0119]
其中，
▽
i(n)表示像素点n的梯度向量，h(n)表示hessian矩阵。对于二维图像i(x,y)，像素点n的hessian矩阵的数学表达式为：i(n+δn)表示在像素点n处的泰勒展开式；δ(n)表示在实数域内的极小值向量；(δn)
t
代表δ(n)的转置向量。
[0120][0121]
其中，i
xx
，i
xy
，i
yx
，i
yy
分别表示图像在四个不同方向上的二阶偏微分。
[0122]
步骤4：利用lsb算法将水印值逐像素的嵌入在原始图像的轮廓、边缘等区域以生成水印图像。
[0123]
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于图像修复算法的医学图像自恢复方法的步骤。
[0124]
本发明可利用matlab平台进行测试，成本低廉。本发明为了在医学图像内容失真和篡改后图像恢复之间找到一个平衡点，提出了一种基于图像修复算法的医学图像自恢复方法，旨在保证嵌入的水印信息不破坏原始图像的视觉效果，并且能够利用攻击图像本身的相似信息恢复篡改区域，其灵感是基于图像修复算法而产生的一种可适用于医学图像的篡改检测与自恢复的有效方法。该方法解决了之前在医学图像篡改检测与自恢复领域存在的问题。因只嵌入少量的水印信息在轮廓、边缘等区域，所以能够很好的保护原始医学图像信息。当嵌入水印后的图像被恶意攻击，可以利用提取出的水印信息检测篡改区域的有效范围，并利用医学图像本身的相似信息恢复篡改区域。该发明能够进行有效检测并且保持较高的篡改后图像恢复质量，且对于剪切和复制-粘贴等攻击能够实现篡改定位。较高的准确率，针对小范围的剪切和复制-粘贴攻击，其篡改后恢复图像的psnr高达35db。可以辅助相关的图像取证或图像安全工作，进而降低篡改图像对个人和社会带来的不利影响，具有实际意义，并取得较好的分类精度。
[0125]
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

技术特征：
1.一种基于图像修复算法的医学图像自恢复方法，其特征在于，包括：将医学图像作为原始图像生成水印值；利用hessian矩阵提取原始图像的特征信息；利用lsb算法将生成的水印值嵌入在原始图像中，生成嵌入水印后的水印图像；当嵌入水印后的水印图像遭受攻击时，从攻击图像中提取参考水印，利用所提取的水印值检测篡改区域；检测出篡改区域后，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域。2.根据权利要求1所述的基于图像修复算法的医学图像自恢复方法，其特征在于，将医学图像作为原始图像生成水印值，包括，将原始图像进行dwt后选取低频子带ll3作为原始图像的近似压缩版本；对ll3子带的系数进行量化编码并生成水印值。3.根据权利要求2所述的基于图像修复算法的医学图像自恢复方法，其特征在于，所述对ll3子带的系数进行量化编码的方法是差分脉冲编码。4.根据权利要求1所述的基于图像修复算法的医学图像自恢复方法，其特征在于，利用lsb算法将生成的水印值嵌入在原始图像中，包括，将生成的水印值嵌入原始图像的像素的低位平面中。5.根据权利要求4所述的基于图像修复算法的医学图像自恢复方法，其特征在于，利用lsb算法将生成的水印值嵌入在原始图像中，包括如下步骤：对于第一个水印值，假设嵌入水印后的像素值等于原始像素值i
w
(m(i),n(i))＝i(m(i),n(i)),i＝1若嵌入水印的序列大于1且当前嵌入的水印值是一个正整数，嵌入公式如下：i
w
(m(i),n(i))＝i(m(i),n(i))-mod(i(m(i),n(i)),23)+w
i
,if w
i
＞0嵌入水印值后将像素的标记位设置为1，如下：i
w
(m(i),n(i))＝bitset(i
w
(m(i),n(i)),2,1)若当前嵌入的水印值是一个负整数，取绝对值，利用lsb算法嵌入水印值，其嵌入公式如下：i
w
(m(i),n(i))＝i(m(i),n(i))-mod(i(m(i),n(i)),23)+absb(w
i
),if w
i
＜0i
w
(m(i),n(i))＝bitset(i
w
(m(i),n(i)),2,0)其中，i代表第i个水印值的序号，m,n代表原始图像的第m行第n列，i
w
代表嵌入水印后的像素值；i指的是原始图像，w
i
指的是第i个水印值；逐个遍历水印值w＝[w1,w2,....,w
n
]，直至将所有像素值全部嵌入在原始图像中得到嵌入水印后的水印图像。6.根据权利要求1所述的基于图像修复算法的医学图像自恢复方法，其特征在于，利用所提取的水印值检测篡改区域，包括如下步骤：从攻击图像中提取水印值；利用差分脉冲编码水印值得到原始图像的近似压缩版本c'；比较攻击图像和得到的c'的差异，得到近似篡改区域d1；d1＝t-c'将得到的篡改区域d1进行阈值化和形态学处理，得到最终有效的篡改范围dd2＝threshod(d1)
d＝morphology(d2)其中，t指的是攻击图像；d2指的是经过阈值化操作后检测到的篡改区域。7.根据权利要求1所述的基于图像修复算法的医学图像自恢复方法，其特征在于，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域，包括借助图像修复算法在攻击图像本身找到篡改区域的相似信息；复制攻击图像本身的相似信息粘贴在篡改区域以恢复篡改区域。8.根据权利要求7所述的基于图像修复算法的医学图像自恢复方法，其特征在于，借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域，包括如下步骤：遍历检测到的篡改区域；若检测到像素被篡改，以当前篡改像素为中心确定一个篡改块；ω2＝t-ω1其中，t为嵌入水印后被攻击的图像；ω1为检测出来的篡改区域，ω2为已知部分(未攻击的部分)；在提取出的水印图像的已知区域ω2中寻找最佳匹配块，寻找的匹配块s如下：s＝{s1,s2,
……
,s
m
}其中，m属于已知区域ω2，并且其取值范围与攻击区域的大小有关；在所有匹配块中查找篡改块的最佳匹配块公式如下：其中，p
x
是以篡改像素x为中心的篡改块，p是当前匹配的像素，s
p
是提取水印的已知区域中以匹配像素p为中心的匹配块；利用欧式距离来衡量匹配块s
p
与篡改块p
x
的相似程度；将相似块的空间位置映射在攻击图像的已知区域的过程如下：其中，为攻击图像已知区域的相似信息；利用图像修复算法得到篡改块的相似块，复制相似块的信息粘贴在篡改区域，得到篡改后的恢复图像。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述的基于图像修复算法的医学图像自恢复方法的步骤。

技术总结
本发明公开了一种基于图像修复算法的医学图像自恢复方法，搜集并整理公开的医学图像样本，对医学图像进行DWT后选取低频子带LL3作为原始图像的近似压缩版本并生成水印值。再利用Hessian矩阵提取医学图像的轮廓、边缘等区域，利用LSB算法将水印值嵌入轮廓、边缘等区域生成水印图像。当受到攻击时，从攻击图像中提取参考水印，利用所提取的水印值检测水印图像的篡改区域，并借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域。本方法利用所提出的将水印值嵌入在原始医学图像的特征区域能够很好的保护原始医学图像信息。在恢复篡改区域时，能够利用医学图像本身的相似信息恢复篡改区域，具有实际意义，并且取得较好效果。并且取得较好效果。并且取得较好效果。


技术研发人员：毕秀丽 李明月 肖斌 刘波
受保护的技术使用者：重庆邮电大学
技术研发日：2023.03.16
技术公布日：2023/7/12