بهبود عملکرد روش نهان‌نگاری تطبیقی از طریق انتخاب هوشمندانه کلیدهای جاسازی با استفاده از الگوریتم‌های بهینه‌سازی

در روش های نهان‌نگاری تطبیقی از ایده ظرفیت جاسازی متغیر در نواحی تصویر با توجه به یکنواخت یا لبه بودن آن‌ها، استفاده می شود. روش alsbmr یک روش تطبیقی است که دو مرحله اصلی دارد: انتخاب پیکسل های مناسب برای جاسازی و جاسازی در آن‌ها با استفاده از روش lsbmr. در این روش، دو کلید توافقی میان فرستنده و گیرنده برای مشخص نمودن زاویه چرخش بلاک ها و انتخاب مسیر جاسازی استفاده می شود. در روش اصلی این کلیدها بدون هیچ ملاک و معیار مشخص و به‌صورت تصادفی توسط فرستنده انتخاب و به اطلاع گیرنده می‌رسد. در روش پیشنهادی، انتخاب کلید به‌عنوان یک مسئله بهینه سازی مدل شده است و از دو الگوریتم بهینه سازی ژنتیک (ga) و الگوریتم بهینه‌سازی آموزشیادگیری (tlbo) برای یافتن کلیدهای بهینه استفاده‌شده است. برای بررسی بیشتر از دو تابع برازندگی اختلاف بین تصویر میزبان و نهان‌نگاری شده و همچنین اختلاف هیستوگرام تصویر میزبان و تصویر نهان‌نگاری شده استفاده شده است. نتایج نشان می‌دهد، کیفیت و امنیت تصویر نهان‌نگاری شده در روش پیشنهادی نسبت به روش پایه بهبود یافته است. با توجه به این‌که تمام روش های نهان‌نگاری نیاز به کلیدهای جاسازی دارند، هوشمند کردن فرآیند انتخاب این کلیدها می تواند به بهبود عملکرد روش‌های نهان‌نگاری موجود کمک کند.

Improving Adaptive Steganography Performance with Intelligent Embedding Key Selection Using Optimization Algorithms

Adaptive steganography methods use variable embedding capacity according to the uniformity or edges of image areas. ALSBMR is an adaptive method with two main stages: Selecting suitable pixels, and embedding them using the LSBMR method. This method utilizes two adaptive keys between the sender and the receiver to determine the block rotation angle and select the embedding path. In the original method, the keys are randomly selected by the sender with no specific criteria and then sent to the receiver. The proposed method models key selection as an optimization problem and uses Genetic Algorithm (GA) and TeachingLearningBased Optimization (TLBO) to find the optimal keys. Two fitness functions are used to further evaluate the difference as well as the histogram difference between the cover and stego images. The results show that the image embedded with the proposed method has improved quality and security compared to the base method. Since all steganography methods require embedding keys, intelligent key selection can improve the performance of existing steganography methods.