[发明专利]基于机器学习的感兴趣区域参数博弈分析方法

说明书

基于机器学习的感兴趣区域参数博弈分析方法,涉及医学图像处理和信息安全技术领域，为解决现有医学图像感兴趣区域划分不够准确，导致影响医学图像的加密性能等问题，提供一种基于机器学习的感兴趣区域参数博弈分析方法。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，设定博弈参与者数量为P，设定所述参与者ROI_i策略的约束条件，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，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，本发明利用机器学习的方法与博弈论对医学图像感兴趣区域划分参数定量分析，在保证医学图像加密安全性能的同时，还保证了加密效率。为阈值分割算法的划分参数设定提供参考依据。

技术领域

本发明涉及医学图像处理和信息安全技术领域，具体涉及一种基于机器学习的感兴趣区域参数博弈分析方法。

背景技术

随着互联网和多媒体技术的发展，各式各样的信息通过互联网传播，信息安全问题受到广泛关注。利用计算机技术在医学图像安全存储和传输是医院发展系统化管理和现代信息化建设主要趋势。医学图像存储着非常重要的患者病理信息，具有更高的保密性要求。数字医学图像目前主要包括CT(电子计算机断层扫描)图像，MRI(核磁共振)图像和B超扫描图像等。对比普通的数字图像，医学图像数据量更大且具有更高的冗余度，医学图像可以分为感兴趣区域(ROI)和非感兴趣区域，为了在受限设备上实现实时安全服务，医学图像采用部分加密方案，即只对感兴趣区域加密，不仅可以保护信息安全，还可以节省计算资源并提高加密速度。目前的感兴趣区域提取算法主要有阈值分割、边缘分割、人脸识别和红外线分割等，上述大多数方案由于感兴趣区域划分方法单一，并不适用于多样式的医学图像种类。而且由于感兴趣区域划分直接影响医学图像的加密性能，过大或者过小的感兴趣区域将直接导致图像加密的安全性过低或者加密速度过慢。

发明内容

本发明为解决现有医学图像感兴趣区域划分不够准确，导致影响医学图像的加密性能等问题，提供一种基于机器学习的感兴趣区域参数博弈分析方法。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ROI_i，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ROI_i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ROI_i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_ROI_i为参与者ROI_i的感兴趣区域阈值，t_ROI_i∈[0，2^L-1)，感兴趣区域标志位为1的块表示参与者ROI_i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ROI_i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∈[0，2^L-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；