技術(shù)特征：

1.一種基于隨機(jī)子圖表示的云環(huán)境中物體圖像隱秘檢測(cè)方法，其特征在于：包括隨機(jī)子圖的產(chǎn)生方法和基于隨機(jī)子圖表示的物體圖像隱秘檢測(cè)算法，其中：

(1)隨機(jī)子圖的產(chǎn)生方法如下：

(11)客戶(hù)端將輸入圖像轉(zhuǎn)化為每個(gè)像素為0-255的圖像X；

(12)客戶(hù)端創(chuàng)建256幅和(11)中圖像X同樣大小的子圖像SM_r，其中r的取值范圍為0-255，這些子圖的像素初始化為0，第r幅子圖像SM_r的權(quán)值為Q[r]＝r；

(13)對(duì)于圖像X中的每一個(gè)像素X[i,j]，客戶(hù)端都做如下子過(guò)程，直到X[i,j]為0；

(131)產(chǎn)生一個(gè)隨機(jī)數(shù)z，z的取值范圍X[i,j]/2<z≤X[i,j]，在(12)的256幅子圖像中，設(shè)置權(quán)值為z的子圖像的SM_r[i,j]點(diǎn)像素值為1；

(132)重置X[i,j]＝X[i,j]-z，然后轉(zhuǎn)到過(guò)程(131)，直到X[i,j]＝0；

(14)當(dāng)圖像X中所有的像素值都完成了(13)步驟，那么256幅二值(像素值為1或0)子圖像SM_r全部生成，圖像X可以表示為256張子圖像SM_r的加權(quán)和，權(quán)值為Q{0,1,2,3…,255}；

(2)基于隨機(jī)子圖表示的物體圖像隱秘檢測(cè)算法如下：

(21)客戶(hù)端將256張子圖像SM_r的權(quán)值集合Q{0,1,2,3…,255}隨機(jī)重新排列得到集合Q'，并將256張子圖像SM_r按Q'集合的順序重新排列得到子圖像SM'_r，把重新排列子圖像SM'_r發(fā)送給服務(wù)器；

(22)服務(wù)器為具有以下形式的強(qiáng)分類(lèi)器：

其中:H(x)是一個(gè)強(qiáng)分類(lèi)器，N表示弱分類(lèi)器的個(gè)數(shù)；表示弱分類(lèi)器，n表示第n個(gè)弱分類(lèi)器，x^T表示圖像像素向量的轉(zhuǎn)置，y_n表示弱分類(lèi)器權(quán)值，α_n、β_n、θ_n為服務(wù)器訓(xùn)練出來(lái)的弱分類(lèi)器參數(shù)；

(23)服務(wù)器根據(jù)接收到的子圖像SM'_r的大小，計(jì)算出M個(gè)檢測(cè)窗口；

(24)對(duì)于m＝1,2,…,M個(gè)檢測(cè)窗口，服務(wù)器計(jì)算當(dāng)前窗口下的每一個(gè)弱分類(lèi)器h_n(x)的特征值F_r(n)＝sm_r^T*y_n*b_n，其中sm_r是圖像向量，b_n為服務(wù)器生成的隨機(jī)數(shù)，并將F_r(n)發(fā)送給客戶(hù)端；

(25)客戶(hù)端生成隨機(jī)數(shù)a_k計(jì)算弱分類(lèi)器通過(guò)圖像X特征值返回給服務(wù)器，服務(wù)器將特征值和閾值的大小判斷結(jié)果得到向量c_k，服務(wù)器將c_k發(fā)回給客戶(hù)端，客戶(hù)端將正確的大小判斷結(jié)果發(fā)送給服務(wù)器；

(26)服務(wù)器得到正確的大小判斷結(jié)果，根據(jù)(22)中的公式計(jì)算強(qiáng)分類(lèi)器的值，得到所有正的檢測(cè)窗口的位置返回給客戶(hù)端，得到物體所在的位置。