Một thuật toán thủy vân số cho ảnh y khoa bằng cách kết hợp DWT-DCT-SVD và phép biến đổi Arnold

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:9

Thêm vào BST

Báo xấu

16
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong bài viết này, một thuật toán thủy vân số được đề xuất để xác thực quyền sở hữu và bảo mật thông tin trong ảnh y tế bằng cách kết hợp biến đổi sóng nhỏ rời rạc, biến đổi cosin rời rạc, phân tích giá trị riêng (DWT-DCT-SVD) và phép biến đổi Arnold.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Một thuật toán thủy vân số cho ảnh y khoa bằng cách kết hợp DWT-DCT-SVD và phép biến đổi Arnold

Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Nha Trang, ngày 8-9/10/2020 DOI: 10.15625/vap.2020.00187 MỘT THUẬT TOÁN THỦY VÂN SỐ CHO ẢNH Y KHOA BẰNG CÁCH KẾT HỢP DWT-DCT-SVD VÀ PHÉP BIẾN ĐỔI ARNOLD Võ Thành C, Võ Phước Hưng, Dương Ngọc Vân Khanh, Nguyễn Thái Sơn Khoa Kỹ thuật và Công nghệ, Trường Đại học Trà Vinh vothanhc@tvu.edu.vn, hungvo@tvu.edu.vn, vankhanh@tvu.edu.vn, thaison@tvu.edu.vn TÓM TẮT: Ngày nay, với sự phát triển mạnh mẽ của Internet, việc trao đổi các hình ảnh y tế như CT scans, MRIs, siêu âm qua Internet giữa các hệ thống chẩn đoán y tế từ xa ngày càng trở nên phổ biến. Vì vậy, làm thế nào để đảm bảo tính tin cậy, toàn vẹn và bí mật cho hình ảnh y tế đang là vấn đề rất được quan tâm. Trong bài báo này, một thuật toán thủy vân số được đề xuất để xác thực quyền sở hữu và bảo mật thông tin trong ảnh y tế bằng cách kết hợp biến đổi sóng nhỏ rời rạc, biến đổi cosin rời rạc, phân tích giá trị riêng (DWT-DCT-SVD) và phép biến đổi Arnold. Trong giải pháp đề xuất, ảnh gốc sẽ được phân tích DWT ở cấp độ hai. Watermark bản quyền sẽ được nhúng vào các miền tần số cao HH2 của HL và LH, thông tin định danh bệnh nhân được nhúng vào các miền tần số trung bình LH2 và HL2 của HH. Để tăng cường độ bảo mật, phép biến đổi Arnold sẽ được áp dụng để mã hóa watermark trước khi nhúng. Kết quả thực nghiệm cho thấy giải pháp đề xuất cho chất lượng ảnh sau khi nhúng được đảm bảo, có độ bảo mật cao và bền vững trước các tấn công khác nhau. Từ khóa: Ảnh y tế , thủy vân số, watermark, DWT, DCT, SVD, Arnold. I. GIỚI THIỆU Những năm gần đây, với sự phát triển mạnh mẽ của công nghệ thông tin và truyền thông đã giúp cho việc phân phối nội dung số dạng text, image, audio và video qua môi trường Internet ngày càng trở nên phổ biến. Đối với các hệ thống y tế từ xa thì việc sử dụng các hình ảnh y tế như CT scans, MRIs, siêu âm để chẩn đoán tình trạng của bệnh nhân lại càng trở nên quan trọng [1]. Tuy nhiên, trong quá trình truyền tải thông tin y tế, nó rất dễ bị giả mạo và đánh cắp. Những sự thay đổi thông tin của hình ảnh có thể ảnh hưởng đến kết quả chẩn đoán của bác sĩ [2]. Vì vậy làm thế nào để xác thực quyền sở hữu, ngăn chặn việc vi phạm bản quyền và bảo vệ thông tin riêng tư của bệnh nhân vẫn còn nhiều thách thức [3]. Hiện nay, các phương pháp mã hóa và thủy vân số thường được sử dụng để cung cấp tính xác thực và tính bảo mật của hồ sơ y tế [4]. Phương pháp mã hóa sử dụng một thuật toán như RSA, AES, RC4,… để chuyển dữ liệu thành một dạng mà con người không thể hiểu được trước khi gửi đi. Mã hóa chỉ ẩn nội dung của tin nhắn khỏi kẻ trộm nhưng tin nhắn được mã hóa vẫn còn, có nghĩa là bên thứ ba có thể thấy được dữ liệu mã hóa khi truyền trên mạng, điều này càng gây ra sự tò mò, nghi ngờ và càng làm cho họ tìm cách giải mã các thông tin bí mật đó. Còn thủy vân số là một kỹ thuật giấu thông tin mật vào trong nội dung số sao cho bên thứ ba không phát hiện ra sự thay đổi của nội dung số khi truyền qua Internet. Tuy nhiên, một phương pháp thủy vân số trên ảnh y tế phải đảm bảo sao cho việc nhúng dữ liệu bổ sung vào ảnh y tế không được ảnh hưởng đến chất lượng hình ảnh. Việc trao đổi dữ liệu hồ sơ điện tử bệnh nhân (EPR) cũng yêu cầu mức độ bảo mật cao [2]. Các kỹ thuật thủy vân trên ảnh số hiện nay được chia thành hai loại dựa vào miền nhúng thông tin đó là: miền không gian và miền tần số [5]. Các kỹ thuật dựa trên miền không gian sẽ nhúng mã đánh dấu bản quyền (watermark) vào trong ảnh gốc bằng cách thay đổi trực tiếp giá trị các điểm ảnh của ảnh gốc bằng một công thức cụ thể. Một số kỹ thuật thủy vân số trên miền không gian như dựa trên sự tương quan (Correlation Based Techinique), LSB (Least Significant Bit) [6], [7]. Các kỹ thuật dựa trên miền không gian thường đơn giản, dễ cài đặt. Tuy nhiên, do thay đổi trực tiếp giá trị các điểm ảnh nên chất lượng ảnh sau khi nhúng không cao và watermark không bền vững trước các tấn công. Vì vậy gần đây các kỹ thuật thủy vân số dựa trên miền không gian của ảnh y tế ít được quan tâm. Ngược lại, các kỹ thuật dựa trên miền tần số sẽ nhúng watermark vào các hệ số trong miền chuyển đổi của ảnh. Các kỹ thuật dựa trên miền tần số là Discrete Cosine Transform (DCT), Discrete Wavelet Transform (DWT), Singular Value Decomposition (SVD) [2]. Các kỹ thuật dựa trên miền tần số cho chất lượng ảnh sau khi nhúng tốt hơn và watermark bền vững hơn đối với những phép xử lý ảnh và nén, nhưng không mạnh đối với những tấn công dạng cắt, thay đổi tỷ lệ, quay. Vì vậy hướng tiếp cận bằng cách kết hợp hai hoặc nhiều miền chuyển đổi khi nhúng watermark đem lại kết quả tốt hơn. Một số phương pháp kết hợp thường gặp như DTCWT-DCT [9], DWT-SVD [10], [11], [12], SWT-DCT [13], NSCT-RDWT-SVD [14]. Ngoài ra để không ảnh hưởng nhiều đến thông tin quan trọng trong ảnh y tế, một số giải pháp đã nhúng watermark vào những vùng không quan trọng RONI (Region of Non-Interest) của ảnh [5], [15], [16], [17], [18]. Bên cạnh đó việc sử dụng bản đồ Chaotic để bảo vệ tính riêng tư đã được thực hiện trên ảnh y khoa [19]. Trong bài báo này, chúng tôi đề xuất một giải pháp thủy vân số cho ảnh y khoa dựa trên DWT, DCT, SVD và phép biến đổi Arnold. Kết quả thực nghiệm cho thấy giải pháp đề xuất cho chất lượng ảnh sau khi nhúng tốt hơn các giải pháp trước đây, thông tin riêng tư của bệnh nhân cũng được mã hóa với phép biến đổi Arnold . Phần còn lại của bài báo được tổ chức như sau. Phần II sẽ giới thiệu về phép biến đổi Arnold, DWT, DCT và SVD. Giải pháp đề xuất sẽ được trình bày chi tiết trong phần III. Phần IV trình bày về các kết quả thực nghiệm. Kết luận được trình bày trong phần V.
Võ Thành C, Võ Phước Hưng, Dương Ngọc Vân Khanh, Nguyễn Thái Sơn 351 II. CƠ SỞ LÝ THUYẾT A. Phép biến đổi Arnold Phép biến đổi Arnold được đề xuất bởi Vladimir Arnold vào những năm 1960 [19] . Phép biển đổi Arnold còn được gọi là bản đồ mèo (Arnold‟s cat map), là một kỹ thuật xáo trộn hình ảnh dạng bản đồ hỗn loạn (Chaotic map). Trong phép biến đổi Arnold, giá trị điểm ảnh ở vị trí (xn, yn) sẽ chuyển đến vị trí mới (xn+1, yn+1) trong lần lặp thứ n+1 theo công thức sau: [ ] [ ][ ]( ) (1) trong đó: xn, yn là vị trí điểm ảnh ở lần biến đổi thứ n, xn+1, yn+1 là vị trí điểm ảnh ở lần biến đổi thứ n+1, NxN: Kích thước của ảnh, a, b: Tham số điều khiển. Trong phép biến đổi Arnold, giá trị của tất cả điểm ảnh không bị thay đổi mà chỉ bị xáo trộn vị trí để tạo thành một ảnh hỗn loạn. Và khi lặp đến số lần lặp T xác định, tất cả các điểm ảnh sẽ được sắp xếp đúng vị trí của ảnh gốc. Số lần lặp T được xác định phụ thuộc vào N. B. Lý thuyết DWT (Discrete Wavelet Transform) DWT là một kỹ thuật toán học thường được sử dụng trong xử lý tín hiệu và nén ảnh. Trong phép biến đổi DWT hai chiều, một ảnh gốc I sẽ được phân tích thành bốn băng tần có kích thước bằng ½ ảnh gốc: LL (Low frequency component in horizontal and vertical direction), LH (Low frequency component in horizontal direction and high frequency in vertical direction), HL (High frequency component in horizontal direction and low frequency in vertical direction), HH (High frequency component in horizontal direction and high frequency in vertical direction). Hình 1 biểu diễn cho sự phân tích ảnh gốc I (NxN) thành bốn băng tần LL, LH, HL, HH có kích thước (N/2, N/2). Tiếp theo phép biến đổi DWT mức độ hai sẽ phân tích mỗi băng tần LL, LH, HL, HH thành bốn băng tần con có kích thước (N/4, N/4). Hình 1. Một ví dụ của phép biến đổi DWT hai chiều Các kỹ thuật thủy vân sử dụng phép biến đổi DWT thường nhúng watermark vào một hoặc một số băng tần với các hệ số tương quan khác nhau. Do LL có tần số thấp và chứa các thông tin quan trọng của ảnh nên mọi sự thay đổi nhỏ sẽ ảnh hưởng đến chất lượng hình ảnh. Tương tự băng tần HH có tần số cao nên cũng không bền vững trước các tấn công. Do đó trong bài báo này các băng tần HL, LH sẽ được khai thác để nhúng watermark. Sau đó việc xây dựng lại ảnh thủy vân I‟ từ các băng tần đã nhúng watermark được thực hiện bởi phép biến đổi ngược IDWT (Inverse Discrete Wavelet Transform). C. Lý thuyết DCT (Discrete Cosine Transform) DCT là một kỹ thuật chuyển đổi ảnh từ miền không gian sang miền tần số. Trong phép biến đổi DCT, ảnh ban đầu được chia thành các khối có kích thước NxN giống nhau và phép biến đổi DCT được áp dụng trên các khối NxN theo công thức (2). ( ) ( ) ( ) ( ) ( )∑∑ ( ) ( ) ( ) (2) trong đó: ( ) {√ Trong công thức biến đổi DCT, f(x, y) là giá trị điểm ảnh tại vị trí (x, y) và F(u, v) là hệ số DCT ở vị trí (u, v) của ma trận hệ số DCT.
352 MỘT THUẬT TOÁN THỦY VÂN SỐ CHO ẢNH Y KHOA BẰNG CÁCH KẾT HỢP DWT-DCT-SVD VÀ… D. Lý thuyết SVD (Singular Value Decomposition) SVD là một phép biến đổi thường được sử dụng trong xử lý tín hiệu và phân tích thành phần chính. Trong phép biến đổi SVD, một ma trận M được phân tích thành ba ma trận có cùng kích thước với M theo công thức sau: (3) trong đó: M: Ma trận cấp NxN, U, V: Ma trận trực chuẩn cấp NxN, S: Ma trận đường chéo không âm cấp NxN. ( ) [ ] ( ) Các phần tử trong ma trận S được gọi là các giá trị riêng, thỏa ( ) ( ) ( ) 0. Các giá trị riêng này có tính ổn định cao và chứa đựng phần lớn thông tin của ảnh. III. GIẢI PHÁP ĐỀ XUẤT Trong bài báo này, chúng tôi đề xuất một thuật toán thủy vân số dựa trên DWT, DCT, SVD và phép biến đổi Arnold. Thuật toán đề xuất gồm hai giai đoạn: giai đoạn nhúng watermark vào ảnh y khoa và giai đoạn rút trích watermark từ ảnh đã nhúng. A. Thuật toán nhúng watermark Trong phần này chúng tôi sẽ mô tả làm thế nào để nhúng watermark vào trong ảnh gốc. Có hai watermark được nhúng vào trong ảnh y khoa. Watermakk thứ nhất W1 có kích thước 32x32 chính là logo bản quyền, watermark thứ hai EPR có kích thước 128x128 chứa thông tin định danh bệnh nhân. Hình 2. Sơ đồ nhúng watermark Đầu vào: I: ảnh gốc, W1: watermark bản quyền, EPR: watermark chứa thông tin định danh bệnh nhân. Đầu ra: I’: ảnh sau khi nhúng watermark. Các bước thực hiện: c : Áp dụng DWT mức độ 2 lên ảnh gốc có kích thước 512x512 [LL1, HL1, LH1, HH1] DWT(I, „Haar‟) [LL2HL1, HL2HL1, LH2HL1, HH2HL1] DWT(HL1, „Haar‟) [LL2LH1, HL2LH1, LH2LH1, HH2LH1] DWT(LH1, „Haar‟) [LL2HH1, HL2HH1, LH2HH1, HH2HH1] DWT(HH1, „Haar‟) c 2: Xây dựng ma trận M1 và M2 từ các hệ số DCT
Võ Thành C, Võ Phước Hưng, Dương Ngọc Vân Khanh, Nguyễn Thái Sơn 353 - Chia băng tần HH2HL1, HH2LH1 thành các khối có kích thước 8x8 không chồng lắp lên nhau, ta thu được tất cả 512 khối. Ứng với mỗi khối, áp dụng chuyển đổi DCT sẽ được ma trận hệ số DCT có kích thước 8x8. Ứng với mỗi ma trận hệ số DCT có kích thước 8x8, chọn ra hai hệ số tại các vị trí (2,5), (3,4) để xây dựng ma trận M1. Do có 512 ma trận hệ số DCT nên ma trận M1 được xây dựng từ các hệ số DCT sẽ có kích thước 32x32 (gồm 1024 giá trị). - Chia băng tần HL2HH1, LH2HH1 thành các khối có kích thước 4x4 không chồng lắp lên nhau, ta thu được tất cả 2048 khối. Ứng với mỗi khối, áp dụng chuyển đổi DCT sẽ được ma trận hệ số DCT có kích thước 4x4. Ứng với mỗi ma trận hệ số DCT có kích thước 4x4, chọn ra tám hệ số tại các vị trí (1,2), (2,1), (3,1), (2,2), (1,3), (1,4), (2,3), (3,2) để xây dựng ma trận M2. Do có 2048 ma trận hệ số DCT nên ma trận M2 được xây dựng từ các hệ số DCT sẽ có kích thước 128x128 (gồm 16384 giá trị). c 3: Áp dụng phép biến đổi Arnold lên watermark EPR: ( ) (4) c 4: Áp dụng SVD lên ma trận M1, W1, M2, W2 theo công thức sau: ( ) ( ) (5) ( ) ( ) c 5: Nhúng watermark W1 và W2 theo công thức sau: (6) c 6: Áp dụng inverse SVD theo công thức sau: (7) c 7: Cập nhật lại hệ số cho các ma trận hệ số DCT từ ma trận . Quá trình này được thực hiện theo thứ tự ngược lại so với Bước 2. c 8: Áp dụng inverse DCT trên mỗi khối sau khi đã cập nhật lại hệ số DCT, ta thu được , , , c 9: Áp dụng inverse DWT lên (LL2HL1, HL2HL1, LH2HL1, ) và ( ) ta thu được và ( ) ( ) (8) ( ) c 0: Áp dụng inverse DWT lên LL1, , , ta thu được ảnh I‟ sau khi nhúng (LL1, , , ) (9) B. Thuật toán rút trích watermark Hình 3. Sơ đồ rút trích watermark
354 MỘT THUẬT TOÁN THỦY VÂN SỐ CHO ẢNH Y KHOA BẰNG CÁCH KẾT HỢP DWT-DCT-SVD VÀ… Đầu vào: I’: Ảnh đã nhúng watermark W. Đầu ra: : Watermark chứa logo bản quyền. : Watermark chứa thông tin định danh bệnh nhân. Các bước thực hiện: c : Áp dụng DWT mức độ 2 lên ảnh I’ có kích thước 512x512. [LL1, HL1, LH1, HH1] DWT(I’, „Haar‟) [LL2HL1, HL2HL1, LH2HL1, HH2HL1] DWT(HL1, „Haar‟) [LL2LH1, HL2LH1, LH2LH1, HH2LH1] DWT(LH1, „Haar‟) [LL2HH1, HL2HH1, LH2HH1, HH2HH1] DWT(HH1, „Haar‟) c 2: Xây dựng ma trận và từ các hệ số DCT - Chia băng tần LL2HL1, LL2LH1 thành các khối có kích thước 8x8 không chồng lắp lên nhau, ta thu được tất cả 512 khối. Ứng với mỗi khối, áp dụng chuyển đổi DCT sẽ được ma trận hệ số DCT có kích thước 8x8. Ứng với mỗi ma trận hệ số DCT có kích thước 8x8, chọn ra hai hệ số tại các vị trí (2,5), (3,4) để xây dựng ma trận . Do có 512 ma trận hệ số DCT nên ma trận được xây dựng từ các hệ số DCT sẽ có kích thước 32x32 (gồm 1024 giá trị). - Chia băng tần HL2HH1, LH2HH1 thành các khối có kích thước 4x4 không chồng lắp lên nhau, ta thu được tất cả 2048 khối. Ứng với mỗi khối, áp dụng chuyển đổi DCT sẽ được ma trận hệ số DCT có kích thước 4x4. Ứng với mỗi ma trận hệ số DCT có kích thước 4x4, chọn ra tám hệ số tại các vị trí (1,2), (2,1), (3,1), (2,2), (1,3), (1,4), (2,3), (3,2) để xây dựng ma trận . Do có 2048 ma trận hệ số DCT nên ma trận được xây dựng từ các hệ số DCT sẽ có kích thước 128x128 (gồm 16384 giá trị). c 3: Áp dụng SVD lên ma trận , theo công thức sau: ( ) (10) ( ) c 4: Trích watermark ( ) (11) c 5: Trích watermark ( ) (12) c 6: Áp dụng phép biến đổi Arnold lên watermark : ( ) (13) c 7: Sửa lỗi watermark theo công thức sau: ( ) ( ) { (14) IV. KẾT QUẢ THỰC NGHIỆM Trong bài báo này, chúng tôi sử dụng các ảnh y khoa MRI, Ultrasound, X-Ray, CT có kích thước 512x512 làm tập dữ liệu thực nghiệm. Ảnh logo nhị phân của Trường Đại học Trà Vinh (TVU, viết tắt của Tra Vinh University) có kích thước 32x32 được dùng làm watermark bản quyền W1. Watermark W2 chứa thông tin định danh bệnh nhân có kích thước 128x128. Để đánh giá hiệu quả của giải pháp đề xuất, chúng tôi sử dụng PSNR (peak signal-to-noise ratio) và NCC (normalized correlation coefficient). PSNR được sử dụng để đo lường tính không cảm thụ của ảnh sau khi nhúng watermark, tức chất lượng của ảnh đã nhúng watermark. Giá trị của PSNR cao tức chất lượng ảnh nhúng watermark càng tốt. Thường thì giá trị của PSRN > 39 dB sẽ chấp nhận được vì ở giá trị này thì mắt người sẽ không thể phân biệt được sự thay đổi của ảnh nhúng watermark so với ảnh gốc. NCC thường được sử dụng để đánh giá sự giống nhau giữa watermark gốc và watermark sau khi rút trích. NCC cũng được sử dụng để đo lường độ mạnh của thuật toán trước các tấn công. Để cân bằng giữa chất lượng ảnh sau khi nhúng và tính bền vững của watermark, trong thực nghiệm chúng tôi chọn giá trị α = 0,4 để so sánh với các giải pháp trước đây.
Võ Thành C, Võ Phước Hưng, Dương Ngọc Vân Khanh, Nguyễn Thái Sơn 355 Hình 4. Các ảnh dùng trong thực nghiệm Công thức tính PSNR: [∑ ∑ [ ( ) ] (15) ( )] trong đó: I: là ảnh gốc, Iw: là ảnh đã nhúng watermark, (i, j): vị trí của điểm ảnh. Công thức tính NCC: ∑ ∑ ( ) ( ) ∑ ∑ (16) ( ) ( ) trong đó: W: watermark gốc, W’: là watermark rút trích được từ ảnh nhúng watermark, (i, j): vị trí của điểm ảnh. Bảng 1. Giá trị PSNR và NCC khi chưa tấn công trên các ảnh (với hệ số nhúng ) Ảnh y khoa PSNR (dB) NCC1 (32x32) NCC2(128x128) MRI 68,3485 1,0000 1,0000 Ultrasound 68,3485 1,0000 1,0000 X-Ray 68,3485 1,0000 1,0000 CT Scan 68,3485 1,0000 1,0000 Bảng 1 trình bày kết quả thực nghiệm trên các ảnh. Kết quả cho thấy chất lượng ảnh sau khi nhúng watermark cao (> 68 dB) và giá trị của NCC trên các ảnh bằng 1, nghĩa là watermark được rút trích giống như watermark trước khi nhúng. Bảng 2. So sánh giá trị PSNR và NCC khi chưa tấn công trên ảnh MRI với các giải pháp khác S. Thakur [14] Swaraja K Rakhshan Anjum et Ashima Anand et Giải pháp đề xuất [18] al. [1] al. [12] PSNR (dB) 54,4900 56,2300 55,49 38,3532 68,3485 NCC 0,9993 1,0000 0,9800 0,9994 1,0000 Bảng 2 so sánh kết quả thực nghiệm với các giải pháp khác trên ảnh MRI. Kết quả thực nghiệm cho thấy giải pháp để xuất cho chất lượng ảnh y khoa sau khi nhúng cao hơn các giải pháp trước, giá trị NCC bằng 1 cho thấy watermark sau khi rút trích giống như ban đầu. Bảng 3. Giá trị PSNR và NCC khi chưa tấn công trên ảnh MRI ứng với các hệ số nhúng khác nhau Hệ số nhúng ( ) PSNR (dB) NCC1 (32x32) NCC2(128x128) 0,001 120,3897 0,9658 0,9856 0,005 106,4103 0,9707 0,9899 0,01 100,3897 0,9736 0,9938 0,05 86,4103 0,9932 1,0000 0,1 80,3897 0,9980 1,0000 0,2 74,3691 0,9990 1,0000 0,3 70,8473 0,9990 1,0000
356 MỘT THUẬT TOÁN THỦY VÂN SỐ CHO ẢNH Y KHOA BẰNG CÁCH KẾT HỢP DWT-DCT-SVD VÀ… 0,4 68,3485 1,0000 1,0000 0,5 66,4103 1,0000 1,0000 0,6 64,8267 1,0000 1,0000 0,7 63,4877 1,0000 1,0000 0,8 62,3279 1,0000 1,0000 0,9 61,3048 1,0000 1,0000 1,0 60,3897 1,0000 1,0000 Bảng 3 cho thấy giá trị của hệ số tỷ lệ thuận với NCC và tỷ lệ nghịch với PSNR. Giá trị càng nhỏ thì chất lượng ảnh sau khi nhúng càng tốt nhưng độ bền vững của watermark thấp. Nếu càng lớn thì chất lượng ảnh sau khi nhúng càng giảm nhưng watermark rút trích càng tốt. Bảng 4. Giá trị NCC của watermark được rút trích dưới những tấn công khác nhau Attacks NCC1 (32x32) NCC2(128x128) Salt & peper noise 0.001 0,9922 0,9941 Salt & peper noise 0.005 0,9951 1,0000 Salt & peper noise 0.02 0,9921 1,0000 JPEG compression (QF=100) 0,9990 1,0000 Gaussian noise 0.05 0,9951 1,0000 Gaussian noise 0.1 0,9961 1,0000 Gaussian noise 0.2 0,9912 1,0000 Rotation 20 0,8066 0,6196 Rotation 50 0,9063 0,9513 Rotation 100 0,8701 0,9971 Cropping (25% from Left Up Corner) 0,5254 0,9542 Center Cropping (50%) 0,8896 0,9440 Center Cropping (75%) 0,9902 0,8716 Average filtering 3x3 1,0000 0,9396 Average filtering 5x5 1,0000 0,9396 Brightness +50 1,0000 1,0000 Enhance Contrast 1.2 0,9443 1,0000 Bảng 5. Giá trị NCC của watermark được rút trích dưới những tấn công kết hợp Attacks NCC1 (32x32) NCC2(128x128) Gaussian filtering 3x3 (0.01) + Median filtering 3x3 0,9736 1,0000 Gaussian filtering 3x3 (0.01) + Average filtering 3x3 1,0000 0,9368 Salt & peper noise (0.01) + Average filtering 3x3 1,0000 0,9377 Scaling 0.5 + JPEG compression (QF=50) 1,0000 0,8275 Salt & peper noise JPEG compression 0.05 (QF=100) 0.9951 0.9990 1.0000 1.0000 Gaussian noise 0.1 Rotation (100) 0.9961 0.8701 1.0000 0.9971
Võ Thành C, Võ Phước Hưng, Dương Ngọc Vân Khanh, Nguyễn Thái Sơn 357 Center Cropping (50 %) Average filtering 5x5 0.8896 1.0000 0.9440 0.9396 Enhance Contrast 1.2 Brightness +50 0.9443 1.0000 1.0000 1.0000 Hình 5. Các dạng tấn công và watermark được rút trích sau tấn công Bảng 6. Độ bền vững (NCC1) khi so sánh với Ashima Anand et al. [12] Attacks Ashima Anand et al. [12] Giải pháp đề xuất Salt & peper noise 0.0001 0,9879 0,9922 Salt & peper noise 0.0005 0,9693 0,9932 Salt & peper noise 0.001 0,9251 0,9707 Gaussian noise 0.0001 0,9803 0,9473 Gaussian noise 0.0005 0,8761 0,9775 Rotation 10 0,8817 0,8486 JPEG compression (QF=10) 0,7924 0,9883 JPEG compression (QF=50) 0,9388 0,9385 JPEG compression (QF=90) 0,9796 0,9629 Speckle noise 0.001 0,9687 0,9951 Speckle noise 0.005 0,7564 0,9980 Cropping [20 20 400 480] 0,3586 0,9219 Median filtering [1 1] 0,9860 0,9932 Histogram equalization 0,7223 0,9443 Kết quả trong Bảng 4 cho thấy giải pháp đề xuất mạnh hơn đối với các loại tấn công, đặc biệt là các dạng tấn công làm nhiễu. Còn Bảng 5 cho thấy độ bền vững của watermark trước một số tấn công kết hợp. Kết quả thực nghiệm chỉ ra giải pháp đề xuất có độ bền vững cao hơn khi so với giải pháp trong [12]. V. KẾT LUẬN Trong bài báo này, một thuật toán thủy vân số cho ảnh y khoa được đề xuất để xác thực bản quyền và bảo mật thông tin. Giải pháp đề xuất cho chất lượng ảnh sau khi nhúng được bảo đảm và bền vững đối với các tấn công trên ảnh. Trong giải pháp đề xuất, phép biến đổi Arnold đã được áp dụng để mã hóa watermark chứa thông tin định danh bệnh nhân trước khi nhúng. Để tăng độ mạnh cho thuật toán, việc kết hợp DWT, DCT và SVD để nhúng watermark đã được thực hiện. Kết quả thực nghiệm cho thấy giải pháp đề xuất cho chất lượng ảnh sau khi nhúng tốt hơn các giải pháp trước và bền vững trước các tấn công. TÀI LIỆU THAM KHẢO [1] R. Anjum, P. Verma, and S. Verma, “Multiple Image Watermarking for Efficient Storage and Transmission of Medical Images,” in Advances in Computing and Data Sciences, Singapore, doi: 10.1007/978-981-13-9942-8_9, pp. 92-102, 2019. [2] A. K. Singh, B. Kumar, G. Singh, and A. Mohan, Eds., "Medical Image Watermarking: Techniques and Applications". Springer International Publishing, 2017.
358 MỘT THUẬT TOÁN THỦY VÂN SỐ CHO ẢNH Y KHOA BẰNG CÁCH KẾT HỢP DWT-DCT-SVD VÀ… [3] B. Hassan, R. Ahmed, B. Li, and O. Hassan, “An Imperceptible Medical Image Watermarking Framework for Automated Diagnosis of Retinal Pathologies in an eHealth Arrangement,” IEEE Access, Vol. 7, pp. 69758-69775, 2019, doi: 10.1109/ACCESS.2019.2919381. [4] K. Annadurai and S. Rani, “Two Level Security for Medical Images Using Watermarking/Encryption Algorithms,” International Journal of Imaging Systems and Technology, Vol. 24, Mar. 2014, doi: 10.1002/ima.22086. [5] F. Y. Shih and X. Zhong, “High-capacity multiple regions of interest watermarking for medical images,” Information Sciences, Vol. 367-368, pp. 648-659, Nov. 2016, doi: 10.1016/j.ins.2016.07.015. [6] A. Bamatraf, R. Ibrahim, and M. N. B. M. Salleh, “Digital watermarking algorithm using LSB,” in 2010 International Conference on Computer Applications and Industrial Electronics, Dec. 2010, pp. 155-159, doi: 10.1109/ICCAIE.2010.5735066. [7] A. Boonyapalanant, M. Ketcham, and M. Piyaneeranart, “Hiding Patient Injury Information in Medical Images with QR Code,” in Recent Advances in Information and Communication Technology 2019, Cham, 2020, pp. 258- 267, doi: 10.1007/978-3-030-19861-9_25. [8] W.-L. Lyu, C.-C. Chang, N. T.S, and C.-C. Lin, “Image Watermarking Scheme Based on Scale-Invariant Feature Transform,” KSII Transactions on Internet and Information Systems, Vol. 8, No. 10, Oct. 2014, doi: 10.3837/tiis.2014.10.018. [9] J. Liu, J. Li, J. Ma, N. Sadiq, U. Bhatti, and Y. Ai, “A Robust Multi-Watermarking Algorithm for Medical Images Based on DTCWT-DCT and Henon Map,” Applied Sciences, Vol. 9, No. 4, p. 700, Feb. 2019, doi: 10.3390/app9040700. [10] T. K. Araghi and A. A. Manaf, “An enhanced hybrid image watermarking scheme for security of medical and non-medical images based on DWT and 2-D SVD,” Future Generation Computer Systems, Vol. 101, pp. 1223- 1246, Dec. 2019, doi: 10.1016/j.future.2019.07.064. [11] F. N. Thakkar and V. K. Srivastava, “A blind medical image watermarking: DWT-SVD based robust and secure approach for telemedicine applications,” Multimed Tools Appl, Vol. 76, No. 3, pp. 3669-3697, Feb. 2017, doi: 10.1007/s11042-016-3928-7. [12] A. Anand and A. K. Singh, “An improved DWT-SVD domain watermarking for medical information security,” Computer Communications, Vol. 152, pp. 72-80, Feb. 2020, doi: 10.1016/j.comcom.2020.01.038. [13] Q. Dai, J. Li, U. A. Bhatti, Y.-W. Chen, and J. Liu, “SWT-DCT-Based Robust Watermarking for Medical Image,” in Innovation in Medicine and Healthcare Systems, and Multimedia, Singapore, 2019, pp. 93-103, doi: 10.1007/978-981-13-8566-7_9. [14] S. Thakur, A. K. Singh, S. P. Ghrera, and A. Mohan, “Chaotic based secure watermarking approach for medical images,” Multimed Tools Appl, Vol. 79, No. 7, pp. 4263-4276, Feb. 2020, doi: 10.1007/s11042-018-6691-0. [15] A. Roček, K. Slavíček, O. Dostál, and M. Javorník, “A new approach to fully-reversible watermarking in medical imaging with breakthrough visibility parameters,” Biomedical Signal Processing and Control, Vol. 29, pp. 44-52, Aug. 2016, doi: 10.1016/j.bspc.2016.05.005. [16] S. M. Mousavi, A. Naghsh, A. A. Manaf, and S. A. R. Abu-Bakar, “A robust medical image watermarking against salt and pepper noise for brain MRI images,” Multimed Tools Appl, Vol. 76, No. 7, pp. 10313-10342, Apr. 2017, doi: 10.1007/s11042-016-3622-9. [17] D. S. Chauhan, A. K. Singh, B. Kumar, and J. P. Saini, “Quantization based multiple medical information watermarking for secure e-health,” Multimed Tools Appl, Vol. 78, No. 4, pp. 3911-3923, Feb. 2019, doi: 10.1007/s11042-017-4886-4. [18] Swaraja K, “Medical image region based watermarking for secured telemedicine,” Multimed Tools Appl, Vol. 77, No. 21, pp. 28249-28280, Nov. 2018, doi: 10.1007/s11042-018-6020-7. [19] S. Agarwal, “Secure Image Transmission Using Fractal and 2D-Chaotic Map,” Journal of Imaging, Vol. 4, No. 1, Art. no. 1, Jan. 2018, doi: 10.3390/jimaging4010017. A HYBRID MEDICAL IMAGE WATERMARKING ALGORITHM BASED ON DWT-DCT-SVD AND ARNOLD TRANSFORMS Vo Thanh C, Vo Phuoc Hung, Duong Ngoc Van Khanh, Nguyen Thai Son ABSTRACT: Nowadays, with the strong development of the Internet, the exchange of medical images such as on the Internet between remote medical diagnosis systems is becoming increasingly popular. Therefore, how to ensure the reliability, integrity and confidentiality of medical images is a matter of great concern. In this paper, a watermarking algorithm is proposed to validate ownership and security of medical images based on DWT-DCT-SVD and Arnold transforms. In the proposed solution, the cover image is decomposed at second level DWT. The copyright watermark is embedded into the high frequency sub-band HH2 of HL and LH, the patient identification information is embedded into the medium frequency sub-band LH2 and HL2 of HH. To increase security, the Arnold transformation will be applied to encode the watermark before embedding. Experimental results demonstrated that the quality of watermarked images is maintained while higher security and more robustness against to various attacks are obtained.