图 隐写域图像复原流程、效果及网络架构

　　在国家自然科学基金项目（批准号：62522101、624B2019）等资助下，北京航空航天大学徐迈、邓欣教授团队在隐私保护图像复原方面取得进展。成果以“面向隐私保护的隐写域图像自适应复原方法（AIRPNet：Adaptive Image Restoration With Privacy Protection in Steganographic Domain）”为题，于2026年3月3日在线发表于《IEEE Transactions on Pattern Analysis and Machine Intelligence》。论文链接：https://ieeexplore.ieee.org/abstract/document/11419884。

　　隐私保护是云计算时代图像处理任务中备受关注的关键问题之一。传统隐私保护图像复原方法多依赖加密算法（称为加密域图像复原），计算开销巨大，单张图像的处理时间可长达数小时，难以满足实时应用需求。近年来，隐写域图像复原成为探索一种兼顾隐私保护与计算效率的新范式研究，其不直接处理原始的秘密图像，而是将秘密图像“藏”进另一张无关的普通图像（称为隐写图像）中，并对隐写图像进行去噪、超分辨率等图像复原任务，在保护隐私的前提下实现秘密图像的高效复原。然而，在隐写域图像复原任务中，如何寻找最优的隐写域是极具挑战的难题。传统方法中图像隐藏与复原分别独立建模，信息耦合性差，难以找到合适的隐写域。

　　针对上述难题，徐迈、邓欣教授研究团队提出了一种基于可逆网络的隐写域图像复原方法，通过将图像隐藏与复原统一建模为基于小波提升的可逆过程，实现了两者之间的信息强耦合。该方法利用可逆网络的数学特性，在保证信息无损传输的同时，通过小波提升机制优化隐写域选择，有效解决了传统方法中隐藏与复原过程相互割裂的问题。实验结果表明，与加密域图像复原方法相比，该方法可将单幅512×512分辨率图像的处理时间由传统加密域方法的3小时以上缩短至300毫秒以内，同时保持2dB以上的复原精度优势；与隐写域图像复原基线方法相比，可将隐写图像隐蔽性能提高25%，秘密图像复原质量提高至少2.1 dB。

　　项目研究成果为隐私敏感领域的图像处理提供了新的技术路径，在医疗影像、安防监控等领域具有广阔应用前景，为云边协同架构与可信视觉智能系统提供了“数据可用不可见”的安全解决方案。