一种用于远程医疗的进化计算增强型抗RS攻击医学图像隐写模型
计算机视觉与模式识别
2018-05-01 v2
摘要
近期计算技术的进步及由此产生的基于视觉的应用催生了一种称为远程医疗的新实践，其需要患者诊断图像或相关信息以在远程位置推荐甚至执行诊断操作。然而，为确保准确且最优的远程医疗，需要无缝或无瑕疵的患者生物医学信息。相反，在不安全信道上传输的医疗数据常易受攻击者篡改或破坏。现有密码系统单独不足以应对这些问题，因此本文开发了一种高鲁棒可逆图像隐写模型用于秘密信息隐藏。不同于传统小波变换技术，我们采用离散Ripplet变换（DRT）技术将消息嵌入医学封面图像。此外，为保证不安全信道上的无缝通信，开发了包含所提隐写方案与RSA密码系统的双密码系统模型。所提研究工作的关键创新之一是利用自适应遗传算法（AGA）进行最优像素调整过程（OPAP），从而丰富了数据隐藏容量及不可感知特性。性能评估表明，所提隐写模型在高峰值信噪比（PSNR）、嵌入容量、不可感知性等方面优于其他基于小波变换的方法。
引用
@article{arxiv.1709.08362,
title = {An Evolutionary Computing Enriched RS Attack Resilient Medical Image Steganography Model for Telemedicine Applications},
author = {Romany F. Mansour and Elsaid MD. Abdelrahim},
journal= {arXiv preprint arXiv:1709.08362},
year = {2018}
}
备注
14 page / 3 figures / 6 tables, Multidimensional Systems and Signal Processing 2018