[论文解读] Block Based Medical Image Watermarking Technique for Tamper Detection and Recovery

R. Eswaraiah, Sreenivasa Reddy Edara|arXiv (Cornell University)|Nov 17, 2014

Advanced Steganography and Watermarking Techniques参考文献 20被引用 7

一句话总结

本文提出了一种脆弱的、基于图像块的医学影像水印方案，通过游程编码（RLE）进行压缩，将患者数据和认证信息嵌入到三个区域——感兴趣区域（ROI）、非感兴趣区域（RONI）和边界像素——中。该方法可实现对ROI的篡改检测，以极低的开销恢复原始ROI，并通过简单的数学运算保持高图像质量。

ABSTRACT

In this paper, we propose a novel fragile block based medical image watermarking technique for embedding data of patient into medical image, verifying the integrity of ROI (Region of Interest), detecting the tampered blocks inside ROI and recovering original ROI with less size authentication and recovery data and with simple mathematical calculations. In the proposed method, the medical image is divided into three regions called ROI, RONI (Region of Non Interest) and border pixels. Later, authentication data of ROI and Electronic Patient Record (EPR) are compressed using Run Length Encoding (RLE) technique and then embedded into ROI. Recovery information of ROI is embedded inside RONI and information of ROI is embedded inside border pixels. Results of experiments conducted on several medical images reveal that proposed method produces high quality watermarked medical images, identifies tampered areas inside ROI of watermarked medical images and recovers the original ROI.

研究动机与目标

• 为解决医学影像系统中确保数据完整性和真实性的关键需求。
• 在不损害诊断质量的前提下检测医学影像中敏感区域（ROI）的篡改行为。
• 在篡改后利用嵌入的恢复信息实现原始ROI数据的恢复。
• 通过高效的压缩技术最小化认证和恢复数据的大小。
• 提供一种轻量级、数学运算简单的解决方案，适用于临床环境的实时部署。

提出的方法

• 将医学影像划分为三个区域：ROI（具有诊断意义的区域）、RONI（非关键区域）和边界像素。
• 在嵌入前，使用游程编码（RLE）对来自ROI和电子患者记录（EPR）的认证数据进行压缩。
• 使用脆弱水印技术将压缩后的认证数据嵌入到ROI中。
• 将ROI的恢复信息嵌入RONI区域，以在篡改期间保持数据完整性。
• 将原始ROI数据嵌入边界像素区域，以支持图像重建。
• 水印过程依赖于简单的数学运算，以确保计算效率和实时可行性。

实验结果

研究问题

• RQ1 如何设计一种脆弱水印方案，以最小化对图像质量的影响，检测医学影像中ROI区域的篡改？
• RQ2 在最小化开销并保持诊断准确性的同时，嵌入认证和恢复数据的最优方式是什么？
• RQ3 基于RLE的压缩能否有效减小认证和恢复数据的大小，而不影响检测或恢复性能？
• RQ4 所提出的方法如何确保仅被篡改的ROI块可被识别并恢复？
• RQ5 该方法在不同图像类型和压缩级别下，对图像质量与鲁棒性的保持程度如何？

主要发现

• 所提出的方法实现了高质量的水印医学影像，感知失真极小。
• 通过嵌入的认证数据和基于RLE的验证机制，能够准确检测ROI中被篡改的图像块。
• 利用存储在RONI区域的嵌入恢复信息，成功恢复了原始ROI内容。
• 采用RLE压缩显著减小了认证和恢复数据的大小，提升了效率。
• 该方法在多个医学影像数据集上表现出稳健性能，篡改检测和恢复准确率保持一致。
• 该方案的计算简单性支持其在临床环境中的实时应用。