基于重参数化高效注意力网络的医学图像鲁棒水印算法

本发明公开了基于重参数化高效注意力网络的医学图像鲁棒水印算法，涉及图像数据处理方法领域，包括：获取原始医学图像；使用预训练的RepEA‑Net模型从原始医学图像中提取具有良好泛化性能和多尺度的深层特征，然后使用均值感知哈希算法生成特征向量。获取原始水印图像；使用Logistic混沌加密算法对水印图像进行加密处理，提升了水印图像的安全性，最后将加密后的水印图像与二进制特征向量进行异或运算生成零水印。本发明通过重参数化高效注意力网络的创新设计，突破了传统医学图像水印算法在鲁棒性、泛化性与图像完整性之间的矛盾，为医疗物联网中的医学图像版权保护与安全传输提供了兼具技术先进性和临床实用性的解决方案。