近日，计算机科学领域国际顶级刊物《IEEE Transactions on Circuits and Systems for Video Technology》 （一区TOP，IF 8.3）报道了人工智能学院机器视觉团队在JPEG图像隐私保护方向的研究进展，相关成果以“TPE for JPEG images with Dynamic M-ary Decomposition and Adaptive Threshold Constraints”为题在线发表。

在数字化进程不断深化的当下，图像已成为现代社会中不可替代的信息载体。无论是社交媒体互动还是商业传播场景，图像在信息传递中均发挥着枢纽作用。JPEG格式凭借其卓越的视觉保真度与高效的存储压缩特性，已确立为图像生成领域的行业标准。然而，随着图像应用的指数级增长，潜藏其中的个人身份信息及生物特征等敏感数据信息，催生出显著的数据安全隐忧，进而推动学术界与产业界加速隐私保护技术的研发进程。

本文提出一种基于动态多进制分解和自适应阈值约束的缩略图保留加密方案。首先，基于位平面置乱策略设计了一种具有合规阈值约束的量化DC系数之和保持不变的加密方法，从而实现高精度保留原始图像的缩略图。其次，引入动态多进制分解策略以有效改变明文图像的位统计特征，增强密文的安全性。最后，提出一种游程编码对全局置乱的量化AC系数加密方法，通过有效修改图像的单元块特征以提高加密图像的安全性和抗攻击能力。通过综合的实验评测分析，结果表明该方案不仅可以无损重建原始JPEG图像，而且生成的密文图像在文件扩展率和安全性方面较以往方案也具有显著优势。

图1：提出的加密流程图

图2：加密效果图

图3：密文图像的抵抗攻击效果图

图4：密文图像的文件扩展率

河南大学人工智能学院为该论文的第一单位，机器视觉团队硕士研究生马亚坤为第一作者，机器视觉团队柴秀丽教授为通讯作者。该研究工作为河南大学和南京航空航天大学的联合研究成果，受到国家自然科学基金及河南省科技攻关项目的支持。

论文链接：https://doi.org/10.1109/TCSVT.2025.3553962