主权项 |
一种基于随机子图表示的云环境中物体图像隐秘检测方法,其特征在于:包括随机子图的产生方法和基于随机子图表示的物体图像隐秘检测算法,其中:(1)随机子图的产生方法如下:(11)客户端将输入图像转化为每个像素为0‑255的图像X;(12)客户端创建256幅和(11)中图像X同样大小的子图像SM<sub>r</sub>,其中r的取值范围为0‑255,这些子图的像素初始化为0,第r幅子图像SM<sub>r</sub>的权值为Q[r]=r;(13)对于图像X中的每一个像素X[i,j],客户端都做如下子过程,直到X[i,j]为0;(131)产生一个随机数z,z的取值范围X[i,j]/2<z≤X[i,j],在(12)的256幅子图像中,设置权值为z的子图像的SM<sub>r</sub>[i,j]点像素值为1;(132)重置X[i,j]=X[i,j]‑z,然后转到过程(131),直到X[i,j]=0;(14)当图像X中所有的像素值都完成了(13)步骤,那么256幅二值(像素值为1或0)子图像SM<sub>r</sub>全部生成,图像X可以表示为256张子图像SM<sub>r</sub>的加权和,权值为Q{0,1,2,3…,255};(2)基于随机子图表示的物体图像隐秘检测算法如下:(21)客户端将256张子图像SM<sub>r</sub>的权值集合Q{0,1,2,3…,255}随机重新排列得到集合Q',并将256张子图像SM<sub>r</sub>按Q'集合的顺序重新排列得到子图像SM'<sub>r</sub>,把重新排列子图像SM'<sub>r</sub>发送给服务器;(22)服务器为具有以下形式的强分类器:<img file="FDA0001014579750000011.GIF" wi="438" he="86" />其中:H(x)是一个强分类器,N表示弱分类器的个数;<img file="FDA0001014579750000012.GIF" wi="678" he="150" />表示弱分类器,n表示第n个弱分类器,x<sup>T</sup>表示图像像素向量的转置,y<sub>n</sub>表示弱分类器权值,α<sub>n</sub>、β<sub>n</sub>、θ<sub>n</sub>为服务器训练出来的弱分类器参数;(23)服务器根据接收到的子图像SM'<sub>r</sub>的大小,计算出M个检测窗口;(24)对于m=1,2,…,M个检测窗口,服务器计算当前窗口下的每一个弱分类器h<sub>n</sub>(x)的特征值F<sub>r</sub>(n)=sm<sub>r</sub><sup>T</sup>*y<sub>n</sub>*b<sub>n</sub>,其中sm<sub>r</sub>是图像向量,b<sub>n</sub>为服务器生成的随机数,并将F<sub>r</sub>(n)发送给客户端;(25)客户端生成随机数a<sub>k</sub>计算弱分类器通过图像X特征值<img file="FDA0001014579750000021.GIF" wi="648" he="79" />返回给服务器,服务器将特征值和阈值的大小判断结果得到向量c<sub>k</sub>,服务器将c<sub>k</sub>发回给客户端,客户端将正确的大小判断结果发送给服务器;(26)服务器得到正确的大小判断结果,根据(22)中的公式<img file="FDA0001014579750000022.GIF" wi="546" he="151" />计算强分类器的值,得到所有正的检测窗口的位置返回给客户端,得到物体所在的位置。 |