一种基于自监督和深度度量学习的医学图像零水印方法

本发明涉及一种基于自监督和深度度量学习的医学图像零水印方法，首先，获取医学图像数据集，对医学图像数据集进行图像增强并分配图像标识符，作为训练数据集；然后，构建以三分支扩张卷积网络作为输入层且采用联合损失函数的ResNet网络模型，作为特征提取模型；以图像标识符作为训练数据集的类别标签对特征提取模型进行分类训练；再获取待处理的医疗载体图像，并进行预处理后输入训练好的特征提取模型，输出特征提取结果，对特征提取结果进行一维DCT变换和二值化处理，得到一串二值特征序列；最后获取原始水印图像并进行加密，将二值特征序列和加密后的水印图像进行异或处理，得到零水印图像；该方法具有高鲁棒性和高区分性的优点。