افزایش ظرفیت درج و مقاومت در مخفی نگاری تصاویر با استفاده از نگاشت و کاهش بیت ها

در تمام الگوریتم های نهان نگاری، ظرفیت درج اطلاعات و مقاومت تصویر نهایی در برابر روش های نهان کاوی مورد توجه می باشد. از این رو در این مقاله روشی ارائه خواهد شد که نه تنها ظرفیت بالایی برای درج دارد، بلکه مقاومت بالایی درمقابل روش های نهانکاوی از خود نشان    می دهد. در این روش با استفاده از ابتکار تطبیق پیام محرمانه با ماتریسی به نام k، از انتقال حجم زیادی از اطلاعات در کانال بی نیاز خواهیم شد که این موضوع در امنیت، ظرفیت درج، مقاومت و شفافیت تاثیرگذار است. مقدار اطلاعات مورد نیاز برای انتقال، پس از کلاس بندی و نگاشت، به اعدادی بین 7 الی 7 تبدیل می شوند. به این ترتیب با کاهش بیت های محرمانه مورد نیاز برای ارسال، تغییرات در تصویر پوشانه نیز کاهش می یابد و نتایج بهینه می گردد. از دیگر مزایای این روش می توان به سهولت در مراحل درج و استخراج و محاسبات اندک اشاره کرد. با مقایسه پارامترهای نسبت سیگنال به نویز (psnr) و نسبت شباهت (ssim) این روش با دیگر روش های مشابه و مطرح در این حوزه،   می توان بهبود این پارامترها را به وضوح مشاهده کرد. میانگین عددی پارامترهای  psnrو ssim به ترتیب 44.36 و 0.97 است که هر دو در محدوده قابل قبولی قرار دارند. مقدار عددی میانگین درج در هر پیکسل در این روش 5.99 بیت بر پیکسل است که ظرفیت بسیار بالایی را برای درج فراهم می آورد.

Increasing Insertion Capacity and Resistance in Image Steganography Based on Mapping and Bits Reduction

Abstract: In all of the image steganography algorithms, the embed capacity and resistance are            considered. Hence, in this paper a new method is proposed that not only has high capacity for embed, but also has high resistance against steg analysis methods. This method presents an initiative to collate the   confidential secret message with a matrix called K, thus large amount of information does not need to be transferred across the channel which effects security, resistance and embed capacity. After classification and mapping, the amount of information that is needed to be sent, changes to numbers between 7 and 7. Hence, by reducing the secret bits needed to send, the changes in the cover are also reduced and the result are     optimized. B y comparing PSNR and SSIM  for this method with other methods in this area, we clearly see improvements in these parameters. The average of PSNR and SSIM is 44.36 and 0.97, respectively both of which are in the perfect range. The average of  numerical value of insertion is 5.99 bits per pixel, which  provides a very high capacity for insertion.