بخشی از مقاله
چکیده
در پزشکی از راه دور انتقال تصاویر پزشکی از یک مرکز بهداشتی درمانی به مرکز دیگر از طریق شبکه اینترنت انجام میپذیرد که دست نخورده بودن این تصاویر به جهت تشخیص مناسب، بسیار مهم است. برای جلوگیری از دستکاری و تحریف این دادهها، پنهاننگاری یک روش مناسب میباشد. از طرف دیگر برای جلوگیری از ایجاد اعوجاج در هنگام جاسازی نگاره در تصویر میزبان، در ناحیه ROI از تصویر میزبان عمل جاسازی انجام نمیشود و از ناحیه RONI تصویر برای جاسازی نگاره استفاده میگردد. برای جاسازی نگارهها از چهار مرحله DWT به جهت بهبود دادن امنیت دادهها استفاده کردهایم. نتایج شبیهسازی نشان میدهد که هیچ تفاوت قابل مشاهدهای بین تصویر اصلی و تصویر حاوی نگاره وجود ندارد و کیفیت تصویر تخریب نمیشود.
کلید واژه: پنهان نگاری، تبدیل DWT، ناحیه ROI، ناحیه .RONI
1 معرفی :
پزشکی از راه دور ترکیب سیستم اطلاعات پزشکی با فنآوری اطلاعات است که شامل استفاده از کامپیوتر برای دریافت، ذخیره و توزیع اطلاعات پزشکی در مسافتهای طولانی میباشد .[1]تبادل تصاویر پزشکی بین بیمارستانهای واقع در نقاط مختلف جغرافیایی امری معمول میباشد. از این رو میطلبد که برای حفظ امنیت این دادههای پزشکی که بر روی شبکه باز و ناامن اینترنت منتقل میشوند کاری انجام گیرد .[2]به منظور ارتباط امن از پنهاننگاری دیجیتال استفاده شده است. پنهاننگاری میتواند به عنوان فرآیند جاسازی یک قطعه مشخص از اطلاعات - که از لحاظ فنی نگاره شناخته شدهاست - درون محتوای چندرسانهای - شامل اسناد متنی، تصاویر، رشته های ویدیویی و صوتی - میباشد، به طوری که نگاره بعدا شناسایی و استخراج گردد .[3]
تکنیکهای پنهاننگاری بر طبق نوع سندی که نگاره شده است به چهار دسته به شرح زیر تقسیم میشود:
-1 پنهاننگاری تصویر -2 پنهاننگاری ویدیویی -3 پنهاننگاری صوتی -4 پنهاننگاری متنی
با توجه به ادراک انسان، پنهاننگاری به دو نوع قابل مشاهده و غیرقابل مشاهده تقسیم میشود. نگارههای قابل مشاهده برای شخص مشاهدهکننده تصویر به طور شفاف قابل مشاهدهاست، اما نگارههای غیرقابل مشاهده با چشم غیرمسلح قابل مشاهده نیستند.
از نظر کاربردهای پنهاننگاری، نگارهها به دو دسته زیر تقسیمبندی میشوند:
-1 بر اساس منبع : این نوع نگاره ها برای شناسایی مالکیت یا تصدیق هویت مطلوب هستند و یک نگاره منحصر به فرد که شناساگر صاحب تمام کپیهای یک تصویر خاص توزیع شده می باشد.
-2 بر اساس مقصد : این نوع نگاره ها برای ردیابی خریداران در صورت فروش مجدد و غیر قانونی مورد استفاده قرار میگیرد. هر کپی توزیع شده یک نگاره منحصر به فرد برای شناسایی خریدار خاص به خود میگیرد.از نظر حوزه کار،به دو دسته حوزه مکان و حوزه فرکانس تقسیم میشوند.[4]پنهاننگاری حوزه مکانی دارای ظرفیت بالا، درک آسان و هزینه محاسباتی کم میباشد. در حوزه مکان نگاره به طور مستقیمدرون تصویر قرار میگیرد. در حوزه تبدیل، نگاره درون ضرایب تبدیل ناشی از اعمال تبدیل بر تصویر، قرار میگیرد و نتیجیتا ظرفیت و مقاومت بالاتری خواهند داشت. پنهاننگاری حوزه تبدیل مناسبتر از حوزه مکان میباشد، زیرا نگاره میتواند در کل گسترش یابد. طرح حوزه تبدیل شامل تبدیل فوریه گسسته - DFT - ، تبدیل کسینوسی گسسته - DCT - ، تبدیل موجک گسسته - DWT - و... می باشد. تبدیل موجک گسسته دارای ویژگی های زمان-فرکانسی خوبی می باشد یعنی آن محلیسازی مکانی و فرکانسی با سطوح رزولوشن متفاوت را فراهم می کند و با سیستم بینایی انسان سازگارتر میباشد .[5]
شکل 2 یک سیستم پنهاننگاری عمومی را نشان میدهد. این سیستم شامل جاسازیکننده نگاره و استخراجکننده نگاره میباشد. ورودی به جاسازیکننده، داده های چندرسانهای و نگاره میباشد. خروجی جاسازیکننده، دادههای نگاره شده هستند. فرآیند استخراج شامل دو مرحله میباشد: در مرحله اول یک یا چند پیشپردازش بر روی دادههای نگارهشده اعمال میگردد و یک بردار تحت عنوان نگاره استخراج میگردد. در مرحله دوم برای بررسی صحت و اصالت نگاره استخراجشده، بایستی نگاره اصلی و نگاره استخراج شده مقایسه گردد 6]و.[7
2 مروری بر ادبیات پیشین :
[8] Wakatani یک طرح پنهاننگاری تصاویر پزشکی ارایه نموده است که در آن از جاسازی نگاره در ناحیه ROI اجتناب می شود، تا هیچگونه اعوجاجی ناشی از جاسازی نگاره درون ناحیه ROI رخ ندهد. در این طرح ابتدا ناحیه ROI از تصویر اصلی شناسایی میگردد و سپس تصویر امضاء که به عنوان نگاره مورد استفاده قرار گرفته است توسط یک الگوریتم کدینگ پیشرونده - EZW - به منظور تولید جریان بیتی فشردهسازی میشود. جاسازی نگاره در بیتهای اطراف ناحیه ROI توسط تبدیل موجک گسسته با پایههای Haar انجام می پذیرد. استخراج نگاره روندی معکوس روند جاسازی نگاره دارد. با مشاهده نتایج میتوان فهمید که از تصویر برشخورده که شامل ناحیه ROI باشد، تصویر امضاء با کیفیت متوسط قابل آشکارسازی است.
Golpira و همکاران [9] یک روش پنهاننگاری برگشتپذیر کور برای تصاویر پزشکی بر مبنای شیفت هیستوگرام در حوزه موجک ارایه کردهاند. تصویر توسط تبدیل موجک عدد صحیح - IDWT - به چهار زیرباند تجزیه میشود. دو نقطه بر روی هیستوگرام به نام آستانه مطابق با ظرفیت مورد نیاز برای داده نگاره شده انتخاب میشود. با شیفت دادن به سمت چپ و راست این آستانهها، نقاط صفر به دست میآید. داده نگاره شده باینری به درستی در موقعیت این آستانهها و نقاط صفر هیستوگرام وارد میشود و قسمت وسط هیستوگرام بدون تغییر باقی میماند. در این روش مقدار PSNR بیش از 53 dB میباشد.Solanki و همکاران [10] یک الگوریتم پنهاننگاری تصاویر پزشکی ارایه نمودهاند.
در این الگوریتم ابتدا تصویر به دو بخش ROI و RONI جداسازی میگردد. جداسازی به روش تفریقکردن تصویر اصلی از تصویر نگاتیو ایجاد شده است. تصویر نگاتیو هم از تفریقکردن تصویر اصلی و عدد 255 حاصل شدهاست. نگاره توسط الگوریتم RSA رمزگذاری شدهاست و سپس در حوزه تبدیل موجک گسسته عمل جاسازی انجام شده است.Fotopoulos و همکاران [11] یک روش تایید تصاویر پزشکی از طریق پنهان نگاری برگشت پذیر تطبیقی ارایه کردهاند . در این روش تصویر به دو بخش ROI و RONI تقسیم میشود.
برای این تقسیمبندی، توسط یک الگوریتم ساده تصویر از هر دو طرف - یعنی از چپ به راست و از راست به چپ - تا زمانی که مقدار شدت یک مقدار بزرگی شود، اسکن می گردد، که این مقدار بزرگ توسط یک آستانه تعریف شدهاست، اما بیش از حد نباید بزرگ باشد. توسط این عمل لبههای ROI ثبت میگردد. سپس نگاره درون ناحیه RONI جاسازی میگردد.Kulkarni و همکاران [12] یک روش پنهاننگاری در حوزه تبدیل موجک گسسته ارایه کردهاند. در این طرح ابتدا تصویر میزبان توسط تبدیل موجک گسسته سه سطح تجزیه میگردد و سپس تصویر نگاره توسط کلید درون تصویر میزبان قرار خواهد گرفت. سپس سه مرحله معکوس تبدیل موجک گسسته به ضرایب تجزیه اعمال شود تا تصویر در حوزه مکان حاصل گردد.
-3 روش پیشنهادی :
1-3 تبدیل موجک گسسته :
اصول تبدیل موجک گسسته به روشی تحت عنوان کدینگ زیرباند بر میگردد که در سال 1976 سنگ بنای اولیه آن گذارده شدهاست. در این روش توصیف زمان-مقیاس از سیگنالگسسته توسط فیلترهای دیجیتال ارایه میگردد. فیلترهایی با فرکانسهای قطع مختلف برای تحلیل سیگنال در مقیاسهای مختلف به کار برده میشوند. با عبور سیگنال از فیلترهای بالاگذر و پایینگذر، فرکانس های مختلف آن تحلیل میشود. رزولوشن سیگنال توسط عملکرد فیلترها کنترل میشود و مقیاس توسط Down sampling و Up sampling تغییر میکند.
ابتدا سیگنال از یک فیلتر دیجیتال پایینگذر نیم باند با پاسخ ضربه h[n] عبور میکند و لذا خروجی فیلتر برابر با کانولوشن ورودی و پاسخ ضربه فیلتر میباشد، در نتیجه تمام مولفههای فرکانسی که بیشتر از نصف بزرگترین فرکانس موجود در سیگنال باشند، حذف میگردند. از آنجا که بیشترین فرکانس موجود در سیگنال خروجی فیلتر برابر با رادیان است نیمی از نمونهها قابل حذف هستند لذا با حذف یک در میان نمونهها طول سیگنال نصف خواهد شد بدون اینکه اطلاعاتی از دست داده باشیم. روند مشابهی نیز با استفاده از یک فیلتر بالا گذر نیم باند با پاسخ ضربه g[n] انجام میگیرد. درنتیجه خروجی اولین مرحله از تبدیل موجک، دو نسخه یکی بالا گذر و دیگری پایینگذر با طول نصف شده از سیگنال اولیه به فرم زیر به دست میآید:
این روند بر روی نسخه پایینگذر شده، میتواند تا تعداد مراحل دلخواه اعمال گردد. این روش محاسبه تبدیل موجک گسسته به روش بانک فیلتر مشهور است. ضرایب خروجی فیلتر پایینگذر، شکل اولیه سیگنال را دنبال میکند، به همین خاطر این ضرایب را تقریب گویند. ضرایب خروجی فیلتر بالا گذر، جزییات فرکانس بالای سیگنال را در بر دارد، به همین دلیل به این ضرایب، جزییات گویند . با افزایش تعداد مراحل تبدیل، میزان جزییات نیز کاهش مییابد .[13]به منظور اعمال تبدیل موجک دو بعدی به تصویر بایستی ابتدا تبدیل موجک یک بعدی به سطرها اعمال گردد، در نتیجه ستونها با نرخ 2، Down sample می شوند تا فقط نمونههای واقع در محلهای زوج باقی بمانند.
در این حالت مجددا تبدیل موجک یک بعدی بر روی ستونها اعمال میگردد و نهایتا سطرها با نرخ 2، Down sample میشوند. به این ترتیب 4 زیر باند مختلف به عنوان ضرایب تبدیل موجک تصویر به دست میآیند.مشابه با حالت یک بعدی، اولین زیرباند از ضرایب تبدیل موجک مربوط به ضریب تقریب است که از لحاظ مقدار و شکلظاهری مشابه با تصویر اولیه است. جدای از زیرباند تقریب، 3 زیرباند جزییات خواهیم داشت، که یکی از آنها مربوط به جزییات افقی موجود در تصویر، یکی مربوط به جزییات عمودی موجود در تصویر و آخرین زیرباند مربوط به جزییات قطری تصویر میباشد.
2-3 جداسازی ناحیه ROI از تصویر :
در سیستم پیشنهادی برای جداسازی ROI از تصویر، از رابط گرافیکیکاربر استفاده شده است. این رابط گرافیکی کاربر در شکل 4 پس از انتخاب بخش ROI از یک تصویر MRI نشان داده شده است.ابعاد بخش ROI یعنی Xmin، Xmax، Ymin و Ymax در بالای پنجره به نمایش درآمده است. البته طول و عرض تصویر ROI نیز در بالای پنجره نمایش داده میشود. پس از انتخاب بخش ROI، خط چین بر روی این بخش ظاهر میگردد که نمایانگر این است که تصویر قرار گرفته در آن جدا خواهد شد.
