Codage hiérarchique par morceaux optimisé quantiquement avec insertion robuste pour l’intégrité perceptuelle et la protection visuelle tolérante à la compression

Pourquoi il est important de cacher des données dans les images

Chaque jour, nous partageons et stockons d’innombrables photos et vidéos — des scanners hospitaliers, des images de surveillance, des souvenirs personnels et bien plus. Ces images peuvent être copiées, compressées, modifiées et repartagées en quelques secondes, souvent à notre insu. L’étude décrite ici explore une nouvelle façon d’insérer des « signatures » numériques dans les images pour qu’elles survivent aux compressions et aux altérations courantes tout en restant invisibles à l’œil humain. Cela pourrait aider à prouver la propriété, détecter les falsifications et protéger des données visuelles sensibles dans un monde saturé de médias numériques.

De l’encre invisible pour l’ère numérique

Plutôt que de s’appuyer uniquement sur le chiffrement traditionnel, les auteurs se concentrent sur le tatouage numérique : mêler des informations supplémentaires directement dans une image. Un bon filigrane doit réunir trois qualités : être difficile à voir, difficile à détruire et pratique à utiliser à grande échelle. Les techniques existantes échouent souvent sur ces points. Beaucoup ne fonctionnent bien que pour des formats de fichier spécifiques, ralentissent les petits appareils ou se cassent lorsque les images sont fortement compressées ou légèrement modifiées. La nouvelle approche, appelée Codage Hiérarchique par Morceaux Optimisé Quantique (QHCE), vise à produire des filigranes qui restent cachés, survivent au traitement réel et peuvent encore être récupérés avec précision.

Découper les images en morceaux intelligents

QHCE commence par préparer l’image de sorte que les différences d’éclairage ou de format n’aient pas d’importance. Ensuite, plutôt que de traiter l’image comme un grand bloc unique, elle la divise en régions plus petites, ou « morceaux », dont la taille dépend de la quantité de détail qu’elles contiennent. Les zones chargées en arêtes et en texture sont scindées en morceaux plus fins, tandis que les régions lisses comme un ciel ou un mur restent plus grandes. Le système évalue l’importance visuelle de chaque morceau à l’aide d’indices simples : la variance des valeurs de pixels et le nombre d’arêtes qu’ils contiennent. Les morceaux riches en détails sont choisis comme emplacements privilégiés pour dissimuler l’information, car de petites modifications y sont beaucoup moins perceptibles pour l’œil humain.

Cacher les données là où l’œil ne les verra pas

Une fois les meilleures régions sélectionnées, QHCE les transforme de la vue usuelle des pixels vers une représentation en fréquence, un peu comme séparer une chanson en basses, médiums et aigus. Les bits du filigrane sont alors tissés dans des fréquences de niveau moyen qui influencent fortement la texture mais sont moins perceptibles que la luminosité générale ou les arêtes nettes. L’amplitude de chaque petite modification est ajustée en fonction de ce que l’œil humain peut à peine détecter, de sorte que l’image semble inchangée aux observateurs. Pour se prémunir contre les dommages dus à la compression ou au bruit, le message caché est également enveloppé dans des codes de correction d’erreurs et dupliqué à plusieurs endroits, afin qu’il puisse être recomposé même si certaines parties sont perdues.

Laisser une recherche d’inspiration quantique régler le système

Un élément clé de ce travail est la façon dont les auteurs affinent où et avec quelle intensité insérer le filigrane. Plutôt que de choisir manuellement ces paramètres, ils utilisent un « algorithme génétique quantique », une méthode de recherche inspirée de la capacité des bits quantiques à représenter de nombreuses possibilités simultanément. Cet optimiseur explore différentes combinaisons d’emplacements, de bandes de fréquence et d’intensités et les évalue selon trois objectifs : préserver la fidélité visuelle de l’image, encoder suffisamment de données et conserver la lisibilité des bits cachés après compression et attaques. Après plusieurs itérations, il converge vers des réglages qui trouvent un solide compromis entre invisibilité et robustesse.

Mettre la méthode à l’épreuve

Les chercheurs ont testé QHCE sur une collection standard de photos haute qualité puis ont simulé le traitement typique sur Internet en appliquant une compression JPEG à plusieurs niveaux de qualité. Ils ont mesuré la proximité visuelle des images protégées par rapport aux originaux et la précision de la récupération du filigrane. Les résultats sont frappants : en moyenne, les images protégées étaient presque indiscernables des originaux, tandis que les filigranes récupérés restaient corrects même après des compressions modérées. Par rapport à d’autres méthodes reposant sur des transformées plus rigides ou uniquement sur l’apprentissage profond, QHCE a permis de cacher plus de données, de fonctionner plus rapidement et d’afficher moins d’erreurs.

Ce que cela signifie pour les images du quotidien

Concrètement, cette recherche montre qu’il est possible d’insérer des « preuves d’authenticité » robustes dans des images sans les modifier visiblement, et sans céder lorsque les images sont compressées, redimensionnées ou légèrement corrompues. En combinant un découpage adapté au contenu, une dissimulation guidée par la perception et un réglage inspiré par le quantique, QHCE maintient l’aspect naturel des images tout en rendant leurs signatures cachées très difficiles à ôter. À mesure que l’informatique quantique et les outils de sécurité visuelle progressent, des approches comme celle-ci pourraient soutenir des systèmes futurs de vérification de photos de presse, de protection de scanners médicaux, de sécurisation d’images de surveillance et de traque des usages abusifs d’images sur le web.

Citation: Suresh, G., Kumar, J.A., Perumal, V.K. et al. Quantum optimized hierarchical chunk encoding with robust embedding for perceptual integrity and compression tolerant visual data protection. Sci Rep 16, 7100 (2026). https://doi.org/10.1038/s41598-026-38249-5

Mots-clés: marquage numérique, sécurité des images, robuste à la compression, optimisation quantique, intégrité des données visuelles