本发明属于教学技术领域，尤其涉及一种基于云平台的计算机教学授课系统。
背景技术：
教学系统(instructionalsystem)是教育系统的子系统，是指为了实现某种教学目的、由各教学要素有机结合而成的具有一定教学功能的整体。教学是由多种要素构成的复杂系统，动态要素是教师、学生及心理环境，人的要素——教师和学生是控制和制约教学系统进行的关键因素；相对静止的要素是教学媒体和物理环境，是物的要素，是师生互动交流的载体，而心理环境是使教学系统中人和物的要素得以有机运作的文化与情感支撑。然而，现有的教学系统教学效率低，趣味性差，教学视频数据加密速度慢、安全性低。
综上所述，现有技术存在的问题是：现有的教学系统教学效率低，趣味性差，教学视频数据加密速度慢、安全性低。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种基于云平台的计算机教学授课系统。
本发明是这样实现的，一种基于云平台的计算机教学授课系统包括：
视频录入模块，与视频加密模块连接，用于通过摄像器对教师教学现场进行录制并输入；
所述视频录入模块的图像清晰化处理方法包括：
步骤一，对教学图像的自动识别：计算所输入教学图像的统计直方图，据此来判断输入图像的成像条件；当直方图分布整体位于该直方图的中高像素值区域时，则判断该图像为教学图像；反之，若直方图的整分布体明显位于低像素值区域时，则判断为不是教学图像；
步骤二，教学图像的识别及夜晚图像去照度：根据步骤一若判断输入图像为教学图像，则通过图像暗通道运算搜寻该图像的空间最远像素点，即物理退化模型中所述的全局大气光值点a，自动分析其r、g、b三个颜色通道值的比例关系。若r、g、b三通道值分布均衡则判断该图像不是教学图像，而r、g、b值比例失衡且明显偏向长波长则判断为教学图像；判断图像属性的方法为：基于所确定的教学图像的全局大气光值点a，通过对教学图像a点的r、g、b三通道信息进行大量的统计比较，得出以下结论；对于普通教学图像而言，其r、g、b三通道值中r>g>b且r:b接近于2:1；而对普通图像而言，r、g、b三通道的比值接近于1:1:1；
步骤三，教学图像的天空与非天空区域分割：由于一副图像中最主要的边缘轮廓信息都包含在图像的非天空区域中，为了更加准确有效地确定雾教学图像的真实复杂程度，若输入图像为教学图像，则根据申请人之前所发表文章中提及的图像天空区域分割算法；
步骤四，对于分割出的图像去照度图像，运用l0范数平滑滤波方法对其进行平滑滤波，以滤除掉大量非主干细节结构，保留图像场景的主干轮廓边缘；通过计算该主干结构的像素数量占整体部分的比例，可快速准确地确定待恢复图像关键的权重系数τ；对非天空区域或夜晚去照度图像进行l0范数平滑滤波，从而得到图像的主干轮廓边缘图，若用p表示主干轮廓边缘像素占图像非天空区域或整个去照度图像的比例，则自适应权重系数τ可以通过τ＝k*(1-p)计算得到，其中k为常数；根据工程经验对于教学图像k值一般取4或5，而对于图像k值需适当增大；若比例系数p较大说明图像的轮廓结构较复杂，若采用较大尺度的去权重系数易产生增强过度现象；而当该比例系数p较小时说明图像本身结构特征简单，进行较大尺度的增强易得到较好的恢复效果；
步骤五，基于引导滤波的增强型恢复：通过引导滤波这种优良的边缘保持滤波器对原始教学图像进行滤波处理，初步将其成分去除；再将原始教学图像与滤波后图像作差，将该差值线性增大τ倍后叠加在滤波后图像之上，从而实现简单高效的恢复处理；通过引导滤波实现教学图像的清晰化恢复的方法为：基于引导滤波的增强型恢复，通过引导滤波这种优良的边缘保持滤波器对原始教学图像i进行滤波处理，初步将其成分去除；同时为了补偿滤波引起的图像中边缘等区域的弱化，将原始教学图像i与滤波后图像q作差(i-q)，该差值即是图像轮廓边缘的代表，将该差值线性增大τ倍后叠加在滤波后图像q之上，从而实现简单高效的图像处理，这里τ为步骤四所确定的权重系数；
步骤六，教学图像的颜色偏移校正：对于教学图像而言，由于其存在较严重的颜色畸变，所以需要进行额外的颜色偏移校正；利用暗通道运算寻找图像的全局大气光值点a，在去霾后图像的r、g、b三个颜色通道上，分别按一定比例剔除掉a点对应r、g、b值，因为全局大气光值点a代表了图像最原始颜色偏差信息，再对校正后的教学图像给予简单的亮度增强，最终实现教学图像的清晰化恢复；
视频加密模块，与视频录入模块、无线发射模块连接，用于对教学视频数据进行加密；
无线发射模块，与视频加密模块有线连接，与无线基站无线连接，用于通过无线发射器将视频数据通过无线基站发送给云服务器；
所述无线发射模块的自共存信道选择方法包括以下步骤：
s1：认证中心ca生成随机数序列矩阵r，r＝{rmn}，(1≤m≤n)，(1≤n≤n)；ca根据r计算散列hash矩阵h、并将h发送至数据库db；ca将r以行为单位将m×n个随机数随机分配给m个认知用户，认知用户suj获得的随机数序列集合记rj(1≤j≤m)，转到步骤s2；
s2：suj通过控制信道向其所在的区域cj中的基站bsj，发送加密的信道申请信息ebsj(rj1，t)，t为时间，转到步骤s3；
s3：bsj收集t时刻收到的所有ebsj、并将收到的序列串解密，得到一系列次级用户信息r次；bsj为每个r次均打上标签后重新加密，每个r次的标签和对应的随机数信息形成加密信息；bsj将每个r次的加密信息发送至db，转到步骤s4；
s4：db对加密信息中的随机数进行解密后，进行hash计算得到随机数的hash值，随机数的hash值与h的hash值匹配后，对应标签的用户通过验证；db将通过验证的标签和cj中的可用频谱信息加密形成可用信道信息后，发送至bsj，db删除h中匹配过的hash值，转到步骤s5；
s5：bsj根据可用信道信息为通过验证的认知用户分配信道，转到步骤s6；
s6：bsj在db中注册信道使用信息；
步骤s1中ca计算hash矩阵h的公式为：
步骤s3中的bsj为每个r次均打上标签后重新加密，每个r次的标签和对应的随机数信息形成加密信息，具体包括以下步骤：bsj选择标签tagj1对随机数打上标签，加密信息为
步骤s4中的随机数的hash值与h的hash值匹配后，对应标签的用户通过验证，具体包括以下步骤：判断随机数的hash值与h的hash值是否匹配成功，若是，db向bsj发送可用信道集合的加密信息
步骤s5具体包括以下步骤：bsj解密可用信道信息，验证tagj1是否匹配成功，若是，在cj范围内的sj中选择一条最合适的信道chj，将chj加密后的加密信息发送至suj，加密信息为
步骤s6中的信道使用信息为edb(bsj,ch,t)；
步骤s6之后还包括以下步骤：
s7：当存在认知用户hash序列使用完毕，或新用户的增加，需要向ca重新申请hash序列串时，ca更新hash矩阵并发送至db；
无线接收模块，与无线基站无线连接，与视频处理模块有线连接，用于通过无线接收器获取云服务的教学视频；
视频处理模块，与无线接收模块、显示模块、ar增强现实模块连接，用于对接收的教学视频进行处理分析；
显示模块，与视频处理模块连接，用于通过显示器将教学视频进行显示；
ar增强现实模块，与视频处理模块连接，用于通过ar服务器获取视频图像增强内容信息。
进一步，所述ar增强现实模块实现方法：
首先，增强现实ar服务器将来自移动终端的实物图片与预置的样本图片进行匹配；
然后，在匹配成功的情况下，ar服务器将对应于所述实物图片的信息点poi信息发送给所述移动终端；
最后，ar服务器在接收到来自所述移动终端的增强内容获取请求的情况下，将对应于所述poi信息的增强内容信息发送给所述移动终端。
进一步，所述视频加密模块加密方法：
首先，视频数据包括多个视频i帧，每一个视频i帧包括n个宏块，每个宏块包括16个块，把i帧分成数个大块，每个大块包括数个宏块；每个块包括直流系数和交流系数；由直流系数得到直流差值；
其次，针对同一个大块中的多个块，提取特定交流系数差值，形成组合向量；
接着，产生多个参数；用多个参数中的部分参数加密多个直流差值和多个特定交流系数差值，得到多个加密直流差值和加密特定交流系数差值；用所述多个参数中的一个生成排列位置；
然后，根据所述排列位置将所述组合向量中的所述特定交流系数差值重新排列后回置于所述块内；将所述部分参数连接成参数向量；
最后，根据一公开密钥加密所述参数向量得到位元序列；用所述位元序列将所有位元隐藏在大块中，尤其隐藏在不包括存放所述加密特定交流系数的其它交流系数位置中。
本发明的优点及积极效果为：本发明通过ar增强现实模块解决了相关技术中传统教学方法无法在不具备多媒体在线学习条件的环境中体验多媒体在线教学的问题，进而达到了提高教学效率、趣味性高、降低多媒体教学成本的效果；同时，通过视频加密模块提高了加密速度，而又不影响加密性能；
附图说明
图1是本发明实施例提供的基于云平台的计算机教学授课系统结构框图。
图中：1、视频录入模块；2、视频加密模块；3、无线发射模块；4、无线基站；5、云服务器模块；6、无线接收模块；7、视频处理模块；8、显示模块；9、ar增强现实模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的基于云平台的计算机教学授课系统包括：视频录入模块1、视频加密模块2、无线发射模块3、无线基站4、云服务器模块5、无线接收模块6、视频处理模块7、显示模块8、ar增强现实模块9。
视频录入模块1，与视频加密模块2连接，用于通过摄像器对教师教学现场进行录制并输入；
视频加密模块2，与视频录入模块1、无线发射模块3连接，用于对教学视频数据进行加密；
无线发射模块3，与视频加密模块2有线连接，与无线基站4无线连接，用于通过无线发射器将视频数据通过无线基站4发送给云服务器5；
无线接收模块6，与无线基站4无线连接，与视频处理模块7有线连接，用于通过无线接收器获取云服务5的教学视频；
视频处理模块7，与无线接收模块6、显示模块8、ar增强现实模块9连接，用于对接收的教学视频进行处理分析；
显示模块8，与视频处理模块7连接，用于通过显示器将教学视频进行显示；
ar增强现实模块9，与视频处理模块7连接，用于通过ar服务器获取视频图像增强内容信息。
所述视频录入模块的图像清晰化处理方法包括：
步骤一，对教学图像的自动识别：计算所输入教学图像的统计直方图，据此来判断输入图像的成像条件；当直方图分布整体位于该直方图的中高像素值区域时，则判断该图像为教学图像；反之，若直方图的整分布体明显位于低像素值区域时，则判断为不是教学图像；
步骤二，教学图像的识别及夜晚图像去照度：根据步骤一若判断输入图像为教学图像，则通过图像暗通道运算搜寻该图像的空间最远像素点，即物理退化模型中所述的全局大气光值点a，自动分析其r、g、b三个颜色通道值的比例关系。若r、g、b三通道值分布均衡则判断该图像不是教学图像，而r、g、b值比例失衡且明显偏向长波长则判断为教学图像；判断图像属性的方法为：基于所确定的教学图像的全局大气光值点a，通过对教学图像a点的r、g、b三通道信息进行大量的统计比较，得出以下结论；对于普通教学图像而言，其r、g、b三通道值中r>g>b且r:b接近于2:1；而对普通图像而言，r、g、b三通道的比值接近于1:1:1；
步骤三，教学图像的天空与非天空区域分割：由于一副图像中最主要的边缘轮廓信息都包含在图像的非天空区域中，为了更加准确有效地确定雾教学图像的真实复杂程度，若输入图像为教学图像，则根据申请人之前所发表文章中提及的图像天空区域分割算法；
步骤四，对于分割出的图像去照度图像，运用l0范数平滑滤波方法对其进行平滑滤波，以滤除掉大量非主干细节结构，保留图像场景的主干轮廓边缘；通过计算该主干结构的像素数量占整体部分的比例，可快速准确地确定待恢复图像关键的权重系数τ；对非天空区域或夜晚去照度图像进行l0范数平滑滤波，从而得到图像的主干轮廓边缘图，若用p表示主干轮廓边缘像素占图像非天空区域或整个去照度图像的比例，则自适应权重系数τ可以通过τ＝k*(1-p)计算得到，其中k为常数；根据工程经验对于教学图像k值一般取4或5，而对于图像k值需适当增大；若比例系数p较大说明图像的轮廓结构较复杂，若采用较大尺度的去权重系数易产生增强过度现象；而当该比例系数p较小时说明图像本身结构特征简单，进行较大尺度的增强易得到较好的恢复效果；
步骤五，基于引导滤波的增强型恢复：通过引导滤波这种优良的边缘保持滤波器对原始教学图像进行滤波处理，初步将其成分去除；再将原始教学图像与滤波后图像作差，将该差值线性增大τ倍后叠加在滤波后图像之上，从而实现简单高效的恢复处理；通过引导滤波实现教学图像的清晰化恢复的方法为：基于引导滤波的增强型恢复，通过引导滤波这种优良的边缘保持滤波器对原始教学图像i进行滤波处理，初步将其成分去除；同时为了补偿滤波引起的图像中边缘等区域的弱化，将原始教学图像i与滤波后图像q作差(i-q)，该差值即是图像轮廓边缘的代表，将该差值线性增大τ倍后叠加在滤波后图像q之上，从而实现简单高效的图像处理，这里τ为步骤四所确定的权重系数；
步骤六，教学图像的颜色偏移校正：对于教学图像而言，由于其存在较严重的颜色畸变，所以需要进行额外的颜色偏移校正；利用暗通道运算寻找图像的全局大气光值点a，在去霾后图像的r、g、b三个颜色通道上，分别按一定比例剔除掉a点对应r、g、b值，因为全局大气光值点a代表了图像最原始颜色偏差信息，再对校正后的教学图像给予简单的亮度增强，最终实现教学图像的清晰化恢复；
所述无线发射模块的自共存信道选择方法包括以下步骤：
s1：认证中心ca生成随机数序列矩阵r，r＝{rmn}，(1≤m≤n)，(1≤n≤n)；ca根据r计算散列hash矩阵h、并将h发送至数据库db；ca将r以行为单位将m×n个随机数随机分配给m个认知用户，认知用户suj获得的随机数序列集合记rj(1≤j≤m)，转到步骤s2；
s2：suj通过控制信道向其所在的区域cj中的基站bsj，发送加密的信道申请信息ebsj(rj1，t)，t为时间，转到步骤s3；
s3：bsj收集t时刻收到的所有ebsj、并将收到的序列串解密，得到一系列次级用户信息r次；bsj为每个r次均打上标签后重新加密，每个r次的标签和对应的随机数信息形成加密信息；bsj将每个r次的加密信息发送至db，转到步骤s4；
s4：db对加密信息中的随机数进行解密后，进行hash计算得到随机数的hash值，随机数的hash值与h的hash值匹配后，对应标签的用户通过验证；db将通过验证的标签和cj中的可用频谱信息加密形成可用信道信息后，发送至bsj，db删除h中匹配过的hash值，转到步骤s5；
s5：bsj根据可用信道信息为通过验证的认知用户分配信道，转到步骤s6；
s6：bsj在db中注册信道使用信息；
步骤s1中ca计算hash矩阵h的公式为：
步骤s3中的bsj为每个r次均打上标签后重新加密，每个r次的标签和对应的随机数信息形成加密信息，具体包括以下步骤：bsj选择标签tagj1对随机数打上标签，加密信息为
步骤s4中的随机数的hash值与h的hash值匹配后，对应标签的用户通过验证，具体包括以下步骤：判断随机数的hash值与h的hash值是否匹配成功，若是，db向bsj发送可用信道集合的加密信息
步骤s5具体包括以下步骤：bsj解密可用信道信息，验证tagj1是否匹配成功，若是，在cj范围内的sj中选择一条最合适的信道chj，将chj加密后的加密信息发送至suj，加密信息为
步骤s6中的信道使用信息为edb(bsj,ch,t)；
步骤s6之后还包括以下步骤：
s7：当存在认知用户hash序列使用完毕，或新用户的增加，需要向ca重新申请hash序列串时，ca更新hash矩阵并发送至db；
本发明提供的ar增强现实模块9实现方法：
首先，增强现实ar服务器将来自移动终端的实物图片与预置的样本图片进行匹配；
然后，在匹配成功的情况下，ar服务器将对应于所述实物图片的信息点poi信息发送给所述移动终端；
最后，ar服务器在接收到来自所述移动终端的增强内容获取请求的情况下，将对应于所述poi信息的增强内容信息发送给所述移动终端。
本发明提供的视频加密模块2加密方法：
首先，视频数据包括多个视频i帧，每一个视频i帧包括n个宏块，每个宏块包括16个块，把i帧分成数个大块，每个大块包括数个宏块；每个块包括直流系数和交流系数；由直流系数得到直流差值；
其次，针对同一个大块中的多个块，提取特定交流系数差值，形成组合向量；
接着，产生多个参数；用多个参数中的部分参数加密多个直流差值和多个特定交流系数差值，得到多个加密直流差值和加密特定交流系数差值；用所述多个参数中的一个生成排列位置；
然后，根据所述排列位置将所述组合向量中的所述特定交流系数差值重新排列后回置于所述块内；将所述部分参数连接成参数向量；
最后，根据一公开密钥加密所述参数向量得到位元序列；用所述位元序列将所有位元隐藏在大块中，尤其隐藏在不包括存放所述加密特定交流系数的其它交流系数位置中。
本发明中，首先，通过视频录入模块1对教师教学现场进行录制并输入；接着，将教学视频通过视频加密模块2进行加密；并通过无线发射模块3发送给云服务器5；远程端通过无线接收模块6获取云服务5的教学视频；通过视频处理模块7对接收的教学视频进行处理分析；并由显示模块8将教学视频进行显示；通过ar增强现实模块9获取视频图像增强内容信息。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。