本發(fā)明屬于多媒體信息處理領(lǐng)域，涉及一種基于dft變換及混沌映射(logisticmap)的加密醫(yī)學(xué)圖像檢索技術(shù)，具體是云環(huán)境下一種基于dft密文域醫(yī)學(xué)圖像檢索方法。技術(shù)背景隨著醫(yī)學(xué)數(shù)字化影像設(shè)備在臨床工作中日益廣泛的應(yīng)用和圖像處理技術(shù)的深入發(fā)展，電子病歷和圖像歸檔通信系統(tǒng)方面的技術(shù)不斷發(fā)展，可供于臨床、教學(xué)和研究使用的醫(yī)學(xué)圖像數(shù)量迅速膨脹。醫(yī)生以及相關(guān)工作者如何準確快速地找到所需圖像成為亟待解決的問題。醫(yī)學(xué)圖像中往往包含有病人的隱私信息，為了保護病人的個人隱私不被泄露以及數(shù)據(jù)在傳輸過程中不被篡改，則需要對醫(yī)學(xué)圖像進行加密處理。另外，在云端存儲醫(yī)學(xué)圖像，為了保證使用云服務(wù)的過程中數(shù)據(jù)的安全性，也需要對圖像進行加密處理，并且希望云服務(wù)器可以完成基于密文域的醫(yī)學(xué)圖像的檢索。傳統(tǒng)的醫(yī)學(xué)圖像檢索是基于關(guān)鍵字的檢索方法，但如顏色、紋理、形狀等視覺內(nèi)容不易于用簡單的文字描述，并且人們對于同一幅圖像的主觀描述存在較大的差別以及醫(yī)學(xué)圖像庫本來就存在許多相似性圖像，醫(yī)學(xué)圖像在某些領(lǐng)域的應(yīng)用很大程度的限制了。圖像特征是區(qū)別圖像的最基本的屬性，它們可以是原圖中人類視覺可鑒別的自然特征，也可以是通過對圖像測量和處理的人為定義某些參數(shù)。加密后的醫(yī)學(xué)圖像的視覺內(nèi)容不易被察覺，基于此，本發(fā)明中采用人為定義的某些參數(shù)作為醫(yī)學(xué)圖像的特征。目前對于密文域醫(yī)學(xué)圖像的檢索的研究較少，對于抗幾何攻擊的密文域醫(yī)學(xué)圖像檢索辦法的研究更少。醫(yī)學(xué)圖像因其海量數(shù)據(jù)和專業(yè)針對性等問題，在加密研究領(lǐng)域鮮有觸及。采用傳統(tǒng)的加密方法，如des，idea，aes等計算所需時間較長，并且它們只適用于對文本數(shù)據(jù)進行加密，因而研究如何快速對醫(yī)學(xué)圖像進行加密和檢索意義重大?？傊瑢Υ鎯υ诓豢煽康牡谌街械拿芪挠蜥t(yī)學(xué)圖像進行檢索，且加密圖像所提取的特征向量具有可抗旋轉(zhuǎn)、縮放、平移、剪切等幾何攻擊的方法，目前尚屬空白，未見公開報道。而在實際應(yīng)用中，醫(yī)學(xué)圖像常常同時受到這兩種攻擊。技術(shù)實現(xiàn)要素：本發(fā)明的目的是提出一種云環(huán)境下對基于dft變換和混沌映射(logisticmap)加密的醫(yī)學(xué)圖像進行檢索的辦法。該方法通過將醫(yī)學(xué)圖像的特征向量和加密技術(shù)結(jié)合起來，以保護醫(yī)學(xué)圖像敏感信息，同時可以實現(xiàn)在常規(guī)攻擊以及幾何攻擊后依然可以快速準確進行圖像檢索，具有較好的魯棒性。本發(fā)明的原理是：對醫(yī)學(xué)圖像進行加密，對加密后的醫(yī)學(xué)圖像進行全局2d-dft變換，在dft變換系數(shù)中提取一個既能抗常規(guī)攻擊又能抗幾何攻擊的特征向量，將該特征向量作為圖像檢索的“關(guān)鍵字”。該特征向量與保存在云端的加密醫(yī)學(xué)圖像的特征向量進行相似度匹配，返回相似度最高的前n幅圖像作為檢索結(jié)果。為了實現(xiàn)上述目的，本發(fā)明是這樣進行的：首先對醫(yī)學(xué)圖像進行頻域加密，對加密的醫(yī)學(xué)圖像進行常規(guī)攻擊以及幾何攻擊，提取被攻擊后的加密醫(yī)學(xué)圖像的特征向量，與未被攻擊的加密醫(yī)學(xué)圖像進行相似度計算。本發(fā)明所采用的方法包括醫(yī)學(xué)圖像的頻域加密、提取加密圖像的特征向量兩大部分。第一部分為醫(yī)學(xué)圖像加密，其包括：(1)對醫(yī)學(xué)圖像f(i,j)進行全局二維dft變換，得到復(fù)數(shù)系數(shù)矩陣fd(i,j)；(2)設(shè)定初始值x0，應(yīng)用logisticmap生成一個混沌序列bl(i)；(3)定義一個閾值符號函數(shù)sign，將混沌序列bl(i)變成只含有1和-1的二值混沌序列，并構(gòu)造與醫(yī)學(xué)圖像大小一致的矩陣s(i,j)；(4)將醫(yī)學(xué)圖像的dft復(fù)數(shù)系數(shù)矩陣fd(i,j)與二值矩陣s(i,j)點乘，得到l(i,j)；(5)對l(i,j)進行二維dft反變化得到加密圖像e(i,j)。第二部分為提取加密醫(yī)學(xué)圖像的特征向量，其包括：(6)對加密的醫(yī)學(xué)圖像e(i,j)進行全局二維dft變換，獲得復(fù)數(shù)系數(shù)矩陣ed(i,j)；(7)選取系數(shù)矩陣ed(i,j)的前k×k個數(shù)，得到視覺特征向量矩陣ev(k,k)；現(xiàn)對本發(fā)明的方法進行詳細說明如下：首先隨機選擇一張醫(yī)學(xué)圖像作為原始醫(yī)學(xué)數(shù)據(jù)，表示為：f＝{f(i,j)|f(i,j)∈r；1≤i≤m,1≤j≤n}。其中，f(i,j)分別表示原始醫(yī)學(xué)圖像的像素灰度值，方便起見，設(shè)m＝n。第一部分：醫(yī)學(xué)圖像的加密1)對醫(yī)學(xué)圖像f(i,j)進行全局2d-dft，得到復(fù)數(shù)系數(shù)矩陣fd(i,j)。fd(i,j)＝dft2(f(i,j))2)通過logisticmap生成混沌序列；由初始值x0通過logisticmap混沌系統(tǒng)生成混沌序列bl(j)。3)構(gòu)造二值序列；利用混沌序列bl(j)，通過定義一個閾值函數(shù)sign而得到一個符號序列，再按醫(yī)學(xué)圖像的大小構(gòu)成二值矩陣s(i,j)，1≤i≤m,1≤j≤n。4)將系數(shù)矩陣與二值矩陣進行點乘，得到l(i,j)。l(i,j)＝fd(i,j).*s(i,j)5)對l(i,j)進行2d-dft逆變換，得到加密后的醫(yī)學(xué)圖像e(i,j)。e(i,j)＝idft2(l(i,j))第二部分：提取加密醫(yī)學(xué)圖像的特征向量。6)通過對加密醫(yī)學(xué)圖像進行全局二維dft變換，得到dft復(fù)數(shù)系數(shù)矩陣ed(i,j)；7)取出前k×k個低中頻系數(shù)值，得到復(fù)數(shù)矩陣ed'(i,j)(1≤i≤k，1≤j≤k)，將一個復(fù)數(shù)看成實部、虛部(虛部只看系數(shù))兩個系數(shù)，得到實數(shù)矩陣ed"(i,j)(1≤i≤2k,1≤j≤k)，對符號運算得到該醫(yī)學(xué)圖像的特征向量ev(i,j)，本文k＝4；ed"(i,j)＝(real(ed'(i,j)),imag(ed'(i,j)))；本發(fā)明的創(chuàng)新點：對圖像進行基于內(nèi)容的檢索已經(jīng)取得了較好的研究成果，但針對醫(yī)學(xué)圖像密文域的圖像檢索的研究很鮮見，對醫(yī)學(xué)圖像進行頻域加密，得到密文域圖像，防止病患的個人隱私泄露和醫(yī)學(xué)圖像被篡改，保證了信息安全。對醫(yī)學(xué)圖像進行檢索是基于dft變換以及l(fā)ogisticmap混沌序列的，通過實驗以及數(shù)據(jù)分析證實，使用該加密方法得到的加密圖像僅有較強的抗常規(guī)攻擊能力，而且有較強的抗幾何攻擊能力。一定條件下對加密醫(yī)學(xué)進行特征提取，是一種同態(tài)加密技術(shù)，較好地解決了將數(shù)據(jù)及其操作委托第三方時的保密問題。該算法利用第三方的概念，適應(yīng)了現(xiàn)今網(wǎng)絡(luò)推廣的實用化和規(guī)范化。以下我們從理論基礎(chǔ)和試驗數(shù)據(jù)說明：1)離散傅里葉變換(dft)假設(shè)有一張m×n的二維醫(yī)學(xué)圖像，可以用如下公式對其進行dft變換：u＝0,1,...,m-1；v＝0,1,...,n-1m×n的二維醫(yī)學(xué)圖像的離散傅里葉反變換(idft)公式如下：x＝0,1,...,m-1；y＝0,1,...,n-1其中，f(x,y)為二維醫(yī)學(xué)圖像空間域采樣點(x,y)的采樣值，f(u,v)為二維醫(yī)學(xué)圖像頻率域采樣點(u,v)的采樣值。數(shù)字圖像常用像素方陣表示，即m＝n。2)logisticmap混沌是一種貌似無規(guī)則的運動，指在確定性系統(tǒng)中出現(xiàn)的類似隨機的過程。因此，有了它的初始值和參數(shù)，我們就能夠生成這個混沌系統(tǒng)。logisticmap是最著名的一種混沌系統(tǒng)，它是由以下公式給出的非線性映射：xk+1＝μxk(1-xk)其中，0≤μ≤4為增長參數(shù)，xk∈(0,1)為系統(tǒng)變量，k是迭代次數(shù)。混沌動力系統(tǒng)的研究工作指出，當增長參數(shù)3.569945≤μ≤4時，logisticmap工作于混沌狀態(tài)。可以看到初始值有一個微小的變化將會導(dǎo)致混沌序列的顯著差異。因此，以上序列是一個理想的密鑰序列。本文中設(shè)定μ＝4，混沌序列由不同的初始值x0產(chǎn)生。3)加密醫(yī)學(xué)圖像的特征向量選取方法目前大部分的圖像檢索方法是基于內(nèi)容的，提取圖像的視覺內(nèi)容特征向量，如顏色特征、結(jié)構(gòu)特征、紋理特征等進行相似度匹配，得到相似度較高的前n幅圖像。但圖像的稍微幾何變換如局部扭曲，常常導(dǎo)致像素值的突然變化，圖像的視覺內(nèi)容特征會發(fā)生明顯的突變。希望找到一個能夠反映醫(yī)學(xué)圖像幾何特點的特征向量，當圖像發(fā)生輕微的幾何變化時，該特征向量不會發(fā)生明顯的變化。研究表明，對圖像特征而言，相位比幅度更加重要；只要圖像是相似的，其相位不會有較大的差異。通過對大量圖像的dft系數(shù)(低中頻)觀察發(fā)現(xiàn)，當對圖像進行常見的幾何變換時，dft低中頻部分系數(shù)的值可能會發(fā)生變化，但其系數(shù)的實部和虛部的符號基本保持不變。根據(jù)人的視覺特性(hvs)，低中頻信號對人的視覺影響較大，代表著圖像的主要特征，因此我們所選取醫(yī)學(xué)圖像的低中頻系數(shù)符號作為特征向量。通過表1的一些實驗數(shù)據(jù)來說明。實驗中加密的對象是隨機選取的一張醫(yī)學(xué)圖像，如圖1所示，圖2是加密后的醫(yī)學(xué)圖像。表1中用作測試的原圖是加密后的醫(yī)學(xué)圖像，表1中“第1列”顯示的是加密醫(yī)學(xué)圖像受到攻擊的類型。受到常規(guī)攻擊后的加密醫(yī)學(xué)圖像見圖3至圖5；受到幾何攻擊后的切片圖像見圖6至圖10。表1的“第2列”表示的是加密醫(yī)學(xué)圖像受到攻擊后的峰值信噪比(psnr)；表1的“第3列”到“第10列”，是二維dft復(fù)數(shù)矩陣中取的f(1,1)-f(1,4)、f(2,1)-f(2,4)八個低中頻復(fù)數(shù)系數(shù)。對于常規(guī)攻擊，這些低中頻系數(shù)f(1,1)-f(1,4)、f(2,1)-f(2,4)的符號基本保持不變，且與原加密醫(yī)學(xué)圖像的dft系數(shù)值近似相等；對于幾何攻擊，部分系數(shù)值有較大變化，但是我們可以發(fā)現(xiàn)，加密醫(yī)學(xué)圖像在受到幾何攻擊后，雖然大部分dft低中頻系數(shù)的大小發(fā)生了變化，但其符號基本沒有發(fā)生變化。首先dft復(fù)數(shù)系數(shù)(這里復(fù)數(shù)看成實部和虛部兩個系數(shù)值)進行符號運算，即將正的系數(shù)用“1”表示(含值為零的系數(shù))，負的dft系數(shù)用“0”表示，那么對于原始醫(yī)學(xué)圖像來說，二維dft系數(shù)矩陣中的f(1,1)-f(1,4)、f(2,1)-f(2,4)系數(shù)，對應(yīng)的系數(shù)符號序列為：“1100000010011001”，具體見表1的第11列，觀察該列可以發(fā)現(xiàn)，無論常規(guī)攻擊還是幾何攻擊該符號序列和原始加密醫(yī)學(xué)圖像的保持相似，與原始加密醫(yī)學(xué)圖像歸一化相關(guān)系數(shù)都較大，見表1“第12列”(方便起見這里取了8個二維dft系數(shù)符號)。表1加密醫(yī)學(xué)圖像dft變換低中頻部分系數(shù)及受不同攻擊后的變化值*2d-dft變換系數(shù)單位1.0e+005為了進一步證明按上述方法提取的特征向量是該加密醫(yī)學(xué)圖像的一個重要特征，我們又把不同的測試對象(見圖11至圖18)進行加密(見圖19至圖26)，然后再進行全局二維dft變換，求出對應(yīng)的dft系數(shù)，從統(tǒng)計學(xué)角度，這里取了前16個dft復(fù)數(shù)系數(shù)(這里復(fù)數(shù)看成實部和虛部兩個系數(shù)值)，得到32位符號序列。并且求出相互之間的相關(guān)系數(shù)，計算結(jié)果如表2所示。從表2可以看出，首先，加密醫(yī)學(xué)圖像自身之間的相關(guān)系數(shù)最大，為1.00；其次，圖19和圖26之間的相關(guān)系數(shù)也較大為0.64，而這兩個圖對應(yīng)的加密前的圖是形狀相似的醫(yī)學(xué)圖像圖11和圖18。其它加密醫(yī)學(xué)圖像特征向量之間的相關(guān)系數(shù)值較小，這與我們?nèi)搜塾^察到的加密前的圖相符合，這說明按該發(fā)明的方法提取的加密醫(yī)學(xué)圖像特征值，反映了加密醫(yī)學(xué)圖像的同態(tài)特性。表2不同加密醫(yī)學(xué)圖像特征向量的相關(guān)系數(shù)(向量長度32bit)sasbscsdsesfsgshsa1.000.380.19-0.250.40-0.120.000.64sb0.381.000.31-0.130.120.12-0.120.27sc0.190.311.00-0.060.190.210.060.32sd-0.25-0.13-0.061.00-0.010.120.25-0.12se0.390.110.19-0.011.00-0.340.010.17sf-0.110.110.190.11-0.321.000.02-0.07sg0.00-0.120.060.250.010.021.000.12sh0.620.260.31-0.110.17-0.070.111.00綜上所述，我們通過分析加密醫(yī)學(xué)圖像的全局二維dft系數(shù)，利用二維dft低中頻系數(shù)的符號序列得到一種取得加密醫(yī)學(xué)圖像的特征向量的方法。附圖說明圖1是加密前的醫(yī)學(xué)圖像。圖2是加密后的醫(yī)學(xué)圖像。圖3是方差為1％的高斯噪聲干擾的加密醫(yī)學(xué)圖像。圖4是jpeg壓縮的加密醫(yī)學(xué)圖像(壓縮質(zhì)量為10％)。圖5是中值濾波后的加密醫(yī)學(xué)圖像(窗口大小為[5x5])。圖6是順時針旋轉(zhuǎn)5°的加密醫(yī)學(xué)圖像。圖7是縮放0.5倍的加密醫(yī)學(xué)圖像。圖8是水平左移5％的加密醫(yī)學(xué)圖像。圖9是垂直下移5％的加密醫(yī)學(xué)圖像。圖10是y軸剪切5％的加密醫(yī)學(xué)圖像。圖11是加密前的sa醫(yī)學(xué)圖像。圖12是加密前的sb醫(yī)學(xué)圖像。圖13是加密前的sc醫(yī)學(xué)圖像。。圖14是加密前的sd醫(yī)學(xué)圖像。圖15是加密前的se醫(yī)學(xué)圖像。圖16是加密前的sf醫(yī)學(xué)圖像。圖17是加密前的sg醫(yī)學(xué)圖像。圖18是加密前的sh醫(yī)學(xué)圖像。圖19是加密后的sa醫(yī)學(xué)圖像。圖20是加密后的sb醫(yī)學(xué)圖像。圖21是加密后的sc醫(yī)學(xué)圖像。圖22是加密后的sd醫(yī)學(xué)圖像。圖23是加密后的se醫(yī)學(xué)圖像。圖24是加密后的sf醫(yī)學(xué)圖像。圖25是加密后的sg醫(yī)學(xué)圖像。圖26是加密后的sh醫(yī)學(xué)圖像。圖27是方差為3％的高斯噪聲干擾的加密醫(yī)學(xué)圖像。。圖28是高斯噪聲干擾的加密醫(yī)學(xué)圖像(噪聲強度為18％)。圖29是jpeg壓縮的加密醫(yī)學(xué)圖像(壓縮質(zhì)量為10％)。圖30是jpeg壓縮的加密醫(yī)學(xué)圖像(壓縮質(zhì)量為50％)圖31是中值濾波后的加密醫(yī)學(xué)圖像(窗口大小為[7x7])。圖32是中值濾波后的加密醫(yī)學(xué)圖像(窗口大小為[5x5])。圖33是順時旋轉(zhuǎn)2°的加密醫(yī)學(xué)圖像。圖34是逆時旋轉(zhuǎn)2°的加密醫(yī)學(xué)圖像。圖35是縮放后的加密醫(yī)學(xué)圖像(縮放因子為0.2)。圖36是縮放后的加密醫(yī)學(xué)圖像(縮放因子為2)。圖37是加密醫(yī)學(xué)圖像水平左移5％的圖像。圖38是加密醫(yī)學(xué)圖像垂直上移5％的圖像。圖39是y方向剪切5％后的加密醫(yī)學(xué)圖像。圖40是y方向剪切10％后的加密醫(yī)學(xué)圖像。具體實施方式下面結(jié)合附圖對本發(fā)明做進一步說明，隨機選擇一張醫(yī)學(xué)圖像，記為f＝{f(i,j)|f(i,j)＝0,1；1≤i≤m1,1≤j≤m2},作為加密對象，圖像的大小為128x128，見圖1，加密后的醫(yī)學(xué)圖像見圖2，表示為e(i,j)，其中1≤i,j≤128，對應(yīng)的2d-dft復(fù)數(shù)系數(shù)矩陣為ed(i,j)，其中1≤i,j≤128?？紤]到魯棒性和時間復(fù)雜度，我們選取4x4＝16個dft復(fù)數(shù)矩陣(這里把一個復(fù)數(shù)看成實部和虛部兩個系數(shù))，得到32位二值序列作為特征向量。通過計算歸一化相關(guān)系數(shù)nc(normalizedcrosscorrelation)，來檢測特征向量的魯棒性。下面我們通過具體實驗來判斷該密文域醫(yī)學(xué)圖像的特征向量的抗常規(guī)攻擊能力和抗幾何攻擊能力。先測試該加密算法得到特征向量抗常規(guī)攻擊的能力。(1)加入高斯噪聲使用imnoise()函數(shù)在加密醫(yī)學(xué)圖像中加入高斯噪聲。表3是加密醫(yī)學(xué)圖像抗高斯噪聲干擾的實驗數(shù)據(jù)。從中可以看到，當高斯噪聲強度高達18％時，加密醫(yī)學(xué)圖像的psnr降至9.79db，這時提取的特征向量的相關(guān)系數(shù)nc＝0.87，仍能準確地進行圖像檢索。這說明采用該發(fā)明有好的抗高斯噪聲能力。圖27是高斯噪聲強度3％時的加密醫(yī)學(xué)圖像，在視覺上與原始的加密醫(yī)學(xué)圖像已有明顯差別；圖28是高斯噪聲強度18％時的加密醫(yī)學(xué)圖像，nc＝0.87。表3加密醫(yī)學(xué)圖像抗高斯噪聲干擾數(shù)據(jù)噪聲強度(％)1239121518psnr(db)20.8417.5515.8911.8610.9710.389.79nc1.000.870.870.740.800.740.87(2)jpeg壓縮處理采用圖像壓縮質(zhì)量百分數(shù)作為參數(shù)對加密醫(yī)學(xué)圖像進行jpeg壓縮；表4為加密醫(yī)學(xué)圖像抗jpeg壓縮的實驗數(shù)據(jù)。當壓縮質(zhì)量僅為5％，這時壓縮質(zhì)量較低，nc＝0.82。圖29是壓縮質(zhì)量為10％的加密醫(yī)學(xué)圖像；圖30是壓縮質(zhì)量為50％的加密醫(yī)學(xué)圖像。表4加密醫(yī)學(xué)圖像抗jpeg壓縮實驗數(shù)據(jù)壓縮質(zhì)量(％)5102040507080psnr(db)17.9818.0718.2518.3118.3218.3118.32nc0.820.830.850.850.850.840.84(3)中值濾波處理表5為加密醫(yī)學(xué)圖像的水印抗中值濾波能力。圖31是中值濾波參數(shù)為[7x7]，濾波重復(fù)次數(shù)為1的加密醫(yī)學(xué)圖像，圖像已出現(xiàn)模糊；圖32是中值濾波參數(shù)為[5x5]，濾波重復(fù)次數(shù)為20的加密醫(yī)學(xué)圖像，圖像的細節(jié)已經(jīng)完全看不出來，此時nc＝0.93；表5加密醫(yī)學(xué)圖像抗中值濾波實驗數(shù)據(jù)加密醫(yī)學(xué)圖像抗幾何攻擊能力(1)旋轉(zhuǎn)變換表6為加密醫(yī)學(xué)圖像抗旋轉(zhuǎn)攻擊實驗數(shù)據(jù)。從表中可以看到當加密醫(yī)學(xué)圖像順時旋轉(zhuǎn)5°時，nc＝0.74，可以較為準確地進行圖像檢索。圖33是順時針旋轉(zhuǎn)2°的加密醫(yī)學(xué)圖像。圖34是逆時針旋轉(zhuǎn)2°的加密醫(yī)學(xué)圖像，nc＝0.95。表6加密醫(yī)學(xué)圖像抗旋轉(zhuǎn)攻擊實驗數(shù)據(jù)旋轉(zhuǎn)度數(shù)-5-2-1125psnr(db)16.3420.2924.6124.6120.2916.35nc0.740.870.930.950.950.61注：負為逆時針，正為順時針(2)縮放變換表7為加密醫(yī)學(xué)圖像抗縮放攻擊實驗數(shù)據(jù)，從表7可以看到加密醫(yī)學(xué)圖像縮放因子小至0.2時，相關(guān)系數(shù)nc＝0.72，具有較大的相似性，可以較為準確地進行圖像檢索。圖35是縮放后的加密醫(yī)學(xué)圖像(縮放因子為0.2)；圖36是縮放后的加密醫(yī)學(xué)圖像(縮放因子為2)。表7加密醫(yī)學(xué)圖像抗縮放攻擊實驗數(shù)據(jù)縮放因子0.20.50.81.225nc0.720.930.93111(3)平移變換表8是加密醫(yī)學(xué)圖像抗平移變換實驗數(shù)據(jù)。從表中得知當加密醫(yī)學(xué)圖像水平或垂直移動5％時，nc值都高于0.7，故該加密方法有較強的抗平移變換能力。圖37是加密醫(yī)學(xué)圖像水平左移5％的圖像；圖38是加密醫(yī)學(xué)圖像垂直上移5％的圖像，nc＝0.81；表8加密醫(yī)學(xué)圖像抗平移變換實驗數(shù)據(jù)(4)剪切攻擊表9為加密醫(yī)學(xué)圖像抗剪切攻擊實驗數(shù)據(jù)，從表中可以看到，當對加密醫(yī)學(xué)圖像進行y方向剪切，剪切量為10％時，nc＝0.74，說明該加密算法有較強的抗剪切攻擊能力。圖39是y方向剪切5％后的加密醫(yī)學(xué)圖像；圖40是y方向剪切10％后的加密醫(yī)學(xué)圖像。表9加密醫(yī)學(xué)圖像抗剪切攻擊實驗數(shù)據(jù)剪切體積(％)123510nc1.001.000.870.870.74當前第1頁12