[发明专利]基于机器学习的感兴趣区域参数博弈分析方法有效

专利信息
申请号: 201911356216.0 申请日: 2019-12-25
公开(公告)号: CN111048185B 公开(公告)日: 2023-03-28
发明(设计)人: 李锦青;底晓强 申请(专利权)人: 长春理工大学
主分类号: G16H30/40 分类号: G16H30/40;G06T7/11
代理公司: 长春众邦菁华知识产权代理有限公司 22214 代理人: 王丹阳
地址: 130033 吉林*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 机器 学习 感兴趣 区域 参数 博弈 分析 方法
【权利要求书】:

1.基于机器学习的感兴趣区域参数博弈分析方法,该方法由以下步骤实现:

步骤一、取大小为M×N的L比特灰度医学图像作为原始医学图像Pimg,所述L为图像的像素深度;

步骤二、设定博弈参与者数量为P,参与者为ROIi,i=1,2,3...,P选择不同的感兴趣区域划分参数划分感兴趣区域,其中参与者ROIi感兴趣区域划分具体方法如下:

步骤二一、将原始医学图像Pimg分为大小为n×n的图像块,共得M×N/(n×n)个图像块

步骤二二、依次计算步骤二一所述图像块内所有像素灰度值的平均值/

步骤二三、所述参与者ROIi感兴趣区域的判别方法如下:

当时,则该图像块/为感兴趣区域,设置对应的感兴趣区域标志位为1;

当时,则该图像块/为非感兴趣区域,设置对应的感兴趣区域标志位/为0;

其中t_ROIi为参与者ROIi的感兴趣区域阈值,t_ROIi∈[0,2L-1),感兴趣区域标志位为1的块表示参与者ROIi的感兴趣区域块,即被选中的加密区域块;

步骤三、设定所述参与者ROIi策略的约束条件为:

步骤四、根据全局感兴趣区域阈值τ进行感兴趣区域加密性能分析,获得加密效果集合,所述全局感兴趣区域阈值τ∈[0,2L-1),具体分析步骤为:

步骤四一、依次以全局感兴趣区域阈值τ加密原始医学图像Pimg的感兴趣区域块,获得密文图像集合SetEnImg;

步骤四二、依次记录以全局感兴趣区域阈值τ加密原始医学图像Pimg的感兴趣区域块的加密时间,获得加密图像时间集合SetEnTime;

步骤四三、依次计算以全局感兴趣区域阈值τ加密原始医学图像Pimg的感兴趣区域块密文图像与原始医学图像之间的峰值信噪比,获得峰值信噪比集合SetEnPSNR;

步骤四四、依次计算以全局感兴趣区域阈值τ加密原始医学图像Pimg的感兴趣区域块密文图像与原始医学图像之间的结构相似度,获得结构相似度集合SetEnSSIM;

步骤四五、依次计算以全局感兴趣区域阈值加密原始医学图像Pimg的感兴趣区域块密文图像的信息熵,获得密文信息熵集合SetEnEntropy;

步骤四六、根据步骤四二至步骤四五所述的加密图像时间集合SetEnTime各、峰值信噪比集合SetEnPSNR、结构相似度集合SetEnSSIM和密文信息熵集合SetEnEntropy,计算获得加密效果集合SetEnEffect;用下式表示为:

SetEnEffect={EnEffect(τ(1)),EnEffect(τ(2)),...,EnEEffect(τ(2L-1))}

EmEffect(τ)=1/log(ω1P1EnTime(τ)+ω2EnPSNR(τ)+ω3P2EnSSIM(τ)+ω4EnEntropy(τ)) (6)

其中,ω1为加密时间的权重,ω2为峰值信噪比权重,ω3为结构相似度权重,ω4为信息熵权重;P1为加密时间放大系数,P2为结构相似度的放大系数;

步骤五、采用机器学习的多项式线性回归方法拟合加密效果集合SetEnEffect,获得加密效果收益函数SetEnEffectIncome;

步骤六、当参与者ROIi不执行任何策略,则计算步骤四二至步骤四五各加密性能,获得加密效果收益函数SetEnEffectIncome的初始收益值SetEnEffectIncome0

设定min(SetEnEffett′)>SetEnEffectIncome0,min()为求集合最小元素值函数;

步骤七、根据步骤六获得的加密效果收益函数SetEnEffectIncome的初始收益值SetEnEffectIncome0,获得感兴趣区域博弈纳什讨价还价均衡解为:

采用拉格朗日乘数法求得感兴趣区域阈值博弈最优解τoptimal

步骤八、采用步骤七所述感兴趣区域阈值博弈最优解τoptimal对原始医学图像Pimg进行感兴趣区域划分,进行感兴趣区域加密得加密图像。

2.根据权利要求1所述的基于机器学习的感兴趣区域参数博弈分析方法,其特征在于:步骤五中,具体拟合方法如下:

步骤五一、将步骤四所述加密效果集合SetEnEffect进行比例放大,获得放大结果SetEnEffet,并放大结果SetEnEffet作为多项式线性回归的结果集;

其中/为比例放大系数;

步骤五二、将X=1,2,...,2L-1作为输入集;

步骤五三、增加X的高次项,获得高次项输入集Poly_X;

步骤五四、采用多项式回归方法对放大结果集SetEnEffect进行拟合,获得拟合结果;

步骤五五、根据拟合结果得到多项式的各项系数,获得加密效果收益函数SetEnEffectIncome。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长春理工大学,未经长春理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911356216.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top