在工业物联网(Industrial Internet of Things,IIoT)时代,产生了大量的图像数据,给数据所有者造成的极大的存储负担。云计算的快速发展吸引了数据所有者优先将数据存储在云服务器上以节省成本和高效应用。但是,IIoT数据包含了大量的信息。直接外包图像数据可能会泄露数据所有者的重要信息并造成巨大的损失。一个简单的解决方案是在外包之前使用标准加密工具加密数据。然而,这将对提取图像特征造成困难非。本文重点研究了在云环境下从加密图像中提取局部二值模式(Local Binary Pattern,LBP)这一经典特征。图像以加密形式存储在云服务器上,并且可以从加密图像中直接提取LBP特征以用于应用。在本文中,我们致力于研究有效和实用的隐私保护LBP特征提取外包算法。图像所有者将加密后的图像上载到云端。云服务器负责从加密图像中提取LBP特征并执行相关应用。具体研究如下:提出了基于保序加密(Order-preserving encryption,OPE)的LBP特征提取算法的研究(后称SC-LBP)。此方案通过对图像分块,块置乱,块内像素置乱和像素值保序加密来保护图像隐私。方案中只需要一个云端实体,由它对加密后的图像从非重叠块中提取LBP特征。此外,方案提取出的LBP特征无需解密可由云服务器直接使用于图像检索和人脸识别。提出了基于安全多方计算的LBP特征提取算法的研究(后称MC-LBP)。此方案通过对图像分块,块置乱,块内像素置乱和图像分割来保护图像隐私。方案中需要两个云端实体,由主服务器和辅助服务器通过安全交互,对加密后的图像从非重叠块中提取LBP特征。此外,方案提取出的LBP特征无需解密,可由主服务器直接使用于图像检索和人脸识别。此外,本文通过安全性分析,证明SC-LBP方案的安全性要优于MC-LBP方案,但是都是安全的;实验结果显示,SC-LBP和MC-LBP方案在应用上的效果基本相同,MC-LBP在时间复杂度上要优于SC-LBP方案,但是应用都是有效的。