Aunque la descripción de imágenes ha ganado un interés notable, se plantean preocupaciones de privacidad porque depende en gran medida de las imágenes, y existe un riesgo de exponer información sensible en los datos de la imagen. En este estudio, se propone un marco de descripción de imágenes que preserva la privacidad y que aprovecha el cifrado parcial utilizando la Codificación de Fase Doble Aleatoria (DRPE) y el aprendizaje profundo para abordar las preocupaciones de privacidad. A diferencia de los métodos anteriores que dependen de un cifrado completo o enmascaramiento, nuestro enfoque implica cifrar regiones sensibles de la imagen mientras se preserva la estructura general y el contexto de la imagen. El cifrado parcial garantiza que la información de las regiones sensibles se conserve en lugar de perderse al enmascararla con un recuadro negro o gris. También permite que el modelo procese regiones cifradas y no cifradas, lo cual podría ser problemático para modelos con imágenes completamente cifradas. Nuestro marco sigue una arquitectura codificador-decodificador donde un codificador de doble flujo basado en ResNet50 extrae características de las imágenes parcialmente cifradas, y se emplea una arquitectura de transformador en el decodificador para generar descripciones a partir de estas características. Utilizamos el conjunto de datos de Flickr8k y ciframos las regiones sensibles utilizando DRPE. Las imágenes parcialmente cifradas se alimentan al codificador de doble flujo, que procesa las partes real e imaginaria de las regiones cifradas por separado para una extracción efectiva de características. Nuestro modelo se evalúa utilizando métricas estándar y se compara con modelos entrenados en las imágenes originales. Nuestros resultados demuestran que nuestro método logra un rendimiento comparable a los modelos entrenados en imágenes originales y enmascaradas, y supera a los modelos entrenados en datos completamente cifrados, verificando así la viabilidad del cifrado parcial en la descripción de imágenes que preserva la privacidad.