买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于特征融合的医学图像零水印生成及检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116091287B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211542155.9，技术领域涉及：G06T1/00；该发明授权基于特征融合的医学图像零水印生成及检测方法是由刘刚;相若彤;刘晶;李柯;党敏;张子怡设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本基于特征融合的医学图像零水印生成及检测方法在说明书摘要公布了：本发明公开了一种基于特征融合的医学图像零水印生成及检测方法。该发明零水印生成方法具体步骤包括：构建一个具有512通道的卷积神经网络，生成网络的两种训练集，训练卷积神经网络，获得零水印图像。零水印检测方法具体步骤包括：生成检测训练集，训练检测器，检测水印信息。本发明解决了现有技术不能充分保留医学图像位置信息特征，存在特征丢失，生成零水印图像不能正确检测出水印信息的问题，使得本发明更为全面的提取医学图像特征，降低零水印信息丢失概率，具有生成零水印抵抗攻击能力强、检测水印清晰的优点，可以应用于医学图像的版权保护。

本发明授权基于特征融合的医学图像零水印生成及检测方法在权利要求书中公布了：1.一种基于特征融合的医学图像零水印生成方法，其特征在于，构建通道数为512的卷积神经网络，利用训练好的卷积神经网络提取医学图像风格特征和水印图像内容特征，将两个特征融合生成零水印图像；该方法的步骤包括如下： 步骤1，构建一个具有512通道的卷积神经网络： 步骤1.1，搭建一个十六层卷积层的卷积神经网络，其结构依次为：第一卷积层，第二卷积层，第一池化层，第三卷积层，第四卷积层，第二池化层，第五卷积层，第六卷积层，第七卷积层，第八卷积层，第三池化层，第九卷积层，第十卷积层，第十一卷积层，第十二卷积层，第四池化层，第十三卷积层，第十四卷积层，第十五卷积层，第十六卷积层，第五池化层，激活函数层； 步骤1.2，设置卷积神经网络参数，将第一至第二卷积层的通道数均设置为64，第三至第四卷积层的通道数均设置为128，第五至第八卷积层的通道数均设置为256，第九至第十六卷积层的通道数均设置为512，卷积核的大小均设置3×3，卷积步长均设置为1，卷积核填充均设置为1；第一至第五池化层均采用最大池化方式，池化区域核的大小均设置为2×2，步长均设置为2；激活函数层采用Softmax函数实现； 步骤2，生成网络的两种训练集： 步骤2.1，将P张医学图像和R张水印图像组成样本集，其中，P≥10，R≥4，每张图像的长、宽、通道数均为256×256×3； 步骤2.2，对样本集中每张医学图像分别进行六种攻击方式的图像攻击，得到所有攻击后的医学图像； 步骤2.3，将样本集中的医学图像和所有攻击后的医学图像组成训练集； 步骤2.4，将样本集中的水印图像组成水印图像训练集； 步骤3，训练卷积神经网络： 步骤3.1，从医学图像训练集取一张未选取过的医学图像输入到卷积神经网络中，计算当前所取医学图像的风格特征，即医学图像在第一卷积层，第三卷积层，第五卷积层，第九卷积层，第十三卷积层的激活响应的内积之和； 步骤3.2，从水印图像训练集取一张未选取过的水印图像输入卷积神经网络，计算当前所取水印图像的内容特征，即水印图像在第十四层卷积层的激活响应之和； 步骤3.3，将所选的医学图像与水印图像级联生成级联图像，输入卷积神经网络，每次迭代训练时，网络将级联图像的风格特征和内容特征更新，将更新后的风格特征与所选医学图像得到的风格特征的均方差损失设为风格特征损失函数，将更新后的内容特征与所选得的水印图像得到的内容特征之间的均方差损失设为内容特征损失函数，对卷积神经网络用Adam算法更新网络参数，直到上述两个损失函数均收敛为止，完成医学图像风格特征与水印图像内容特征的特征融合； 步骤3.4，重复步骤3.1至步骤3.3，直到遍历医学图像训练集和水印图像训练集所有图像，得到训练好的卷积神经网络； 步骤4，生成零水印图像： 步骤4.1，利用cv.resize函数，调整待生成零水印的医学图像与对应的水印图像的尺寸，将两张图像的长、宽、通道尺寸调整为256×256×3； 步骤4.2，将尺寸调整后的医学图像和水印图像级联生成级联图像； 步骤4.3，将级联图像输入到训练好的神经网络中，输出医学图像的风格特征与水印图像的内容特征融合后的零水印图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。