本书主要包括以下内容：绪论、相关理论、基于Legendre混沌神经网络的抗几何攻击的水印算法、基于Chebyshev混沌神经网络的大容量水印算法、基于Legendre混沌神经网络的多重变换域水印算法。全书总结了作者多年来在这一领域的研究成果和国内外同行的有关工作，围绕医学体数据水印技术，详细地描述了基于混沌神经网络的医学体数据水印技术的具体实现过程，为数字水印的应用开拓了新方向。
本书可作为高等院校信息与通信工程、计算机科学与技术等专业高年级本科生和研究生的教材或参考书，也可供从事信息安全和数字版权管理的相关人员阅读。

前言
第1章 绪论
1.1 背景及研究意义
1.2 医学图像数字水印算法的研究现状
1.3 医学数字水印概况
1.3.1 数字水印基本概念
1.3.2 医学图像的特点
1.3.3 医学图像数字水印的特点
1.3.4 医学图像数字水印的优点
1.3.5 医学图像数字水印的种类
1.3.6 医学图像数字水印的性能
1.3.7 医学图像数字水印的评价
1.4 本章小结
第2章 相关理论
2.1 混沌神经网络
2.1.1 混沌基本理论
2.1.2 混沌神经网络建模
2.2 离散变换
2.2.1 离散傅里叶变换
2.2.2 离散余弦变换
2.2.3 离散小波变换
2.3 图像感知哈希
2.4 本章小结
第3章 基于Legendre混沌神经网络的抗几何攻击的水印算法
3.1 引言
3.2 Legendre混沌神经网络
3.3 三维离散傅里叶变换
3.4 基于三维离散傅里叶变换的差异感知哈希算法
3.5 抗几何攻击的水印嵌入与提取算法
3.5.1 抗几何攻击的水印嵌入算法
3.5.2 抗几何攻击的水印提取算法
3.6 实验与分析
3.6.1 不可见性
3.6.2 鲁棒性
3.6.3 安全性
3.7 讨论
3.8 本章小结
第4章 基于Chebyshev混沌神经网络的大容量水印算法
4.1 引言
4.2 Chebyshev混沌神经网络
4.3 分块三维离散余弦变换
4.4 基于分块三维离散余弦变换的均值感知哈希算法
4.5 大容量水印嵌入与提取算法
4.5.1 大容量水印嵌入算法
4.5.2 大容量水印提取算法
4.6 实验与分析
4.6.1 不可见性
4.6.2 鲁棒性
4.6.3 安全性
4.7 讨论
4.8 本章小结
第5章 基于Legendre混沌神经网络的多重变换域水印算法
5.1 引言
5.2 Legendre混沌神经网络
5.3 三维离散小波变换
5.4 基于多重变换域的距离感知哈希算法
5.5 多重变换域水印嵌入与提取算法
5.5.1 多重变换域水印嵌入算法
5.5.2 多重变换域水印提取算法
5.6 实验与分析
5.6.1 不可见性
5.6.2 鲁棒性
5.6.3 安全性
5.7 本章小结
参考文献