Görüntü steganografisinde doku tabanlı optimal piksel seçimi için dinamik alt-bölge tabanlı geliştirilmiş yapay alg algoritması

Görüntü steganografisi, hassas bilgilerin yetkisiz erişimden korunmasında kritik bir öneme sahiptir. Ancak, gizli bilgilerin gömülmesi için en uygun piksellerin seçilmesi sırasında algılanamazlık, gömme kapasitesi ve sağlamlık arasında denge kurmak bu alandaki temel zorluklardan biridir. Bu tez, bu sorunu ele almak amacıyla görüntü dokusu özelliklerinden yararlanan dinamik alt bölge tabanlı uygulanmış bir Geliştirilmiş Yapay Alg Algoritması önermektedir. Bu çalışmada önerilen yöntem, bulanık Cortalamalar kümeleme, Canny kenar algılama, entropi filtreleme ve Gauss yumuşatma tekniklerini entegre ederek, kaplayıcı görüntünün yapısal ve dokusal niteliklerini yansıtan bir piksel önemi haritası üretmektedir. Elde edilen bu harita, optimizasyon (piksel seçimi) sürecine rehberlik eden bir uygunluk fonksiyonu olarak kullanılmaktadır. Seçilen en uygun pikseller, en az anlamlı bit kullanılarak gizli verilerin gömülmesinde kullanılmaktadır. Önerilen yöntem, çeşitli örtü görüntü boyutları ve gizli veri kapasiteleri kapsamında, mevcut tekniklerin birçoğuna kıyasla üstün bir performans sergilemektedir; yüksek Tepe Sinyal-Gürültü Oranı ve yüksek başarıma sahip yapısal benzerlik değerleri elde ederek, algılanamazlık ile gömme kapasitesi arasında başarılı bir denge sağlamaktadır. Yöntemin dayanıklılığı, Düzenli-Tekil analizi, Ki-kare saldırısı, Histogram L1 farkı, Bhattacharyya mesafesi ve histogram korelasyonu gibi klasik steganaliz testleriyle doğrulanmıştır. Ayrıca, optimizasyon açısından önerilen yaklaşım, orijinal Geliştirilmiş Yapay Alg Algoritmasına kıyasla tutarlı bir biçimde daha üstün nihai optimal piksel seçimlerine ulaşmakta ve daha yüksek genel uygunluk değerleri üretmektedir. Nicel olarak, önerilen yöntem ortalama %11 oranında daha yüksek Piksel Önem Skoru değerleri elde ederek çözüm kalitesinde etkili bir iyileşme sağlamıştır; yaklaşık %74 daha kısa yürütme süresiyle de önemli ölçüde daha verimli çalışmıştır. Bu sonuçlar, biyolojik esinli optimizasyonun doku tabanlı analizle dinamik biçimde birleştirilmesinin etkinliğini ortaya koymakta ve steganografik uygulamalar için güçlü ve güvenli bir çözüm sunmaktadır.

Image steganography is crucial for protecting sensitive information from unauthorized access. However, selecting the best pixels for embedding secret information while preserving a balance between imperceptibility, embedding capacity, and robustness is one of the key difficulties in this domain. This work presents a dynamic sub-region-based Modified Artificial Algae Algorithm that uses image texture features to address this issue. Our approach produces a pixel significance map that captures both the structural and textural qualities of the cover image by combining fuzzy c-means clustering, canny edge detection, entropy filtering, and gaussian smoothing where this map is used to guide the optimization (pixel selection) process as a fitness function. The best pixels are used to embed secret data using the least significant bit technique. The proposed method demonstrates superior performance compared to many existing techniques across a wide range of cover image sizes and payload capacities, achieving high Peak Signal-to-Noise Ratios and near-perfect structural similarity which ensures a high balance between imperceptibility and embedding capacity. Robustness is verified by a battery of classical steganalysis tests, Regular-Singular analysis, Chi-square attack, Histogram L1, Bhattacharyya distance, and histogram correlation. Furthermore, in optimization terms, our suggested approach consistently converges with superior final optimal pixel selections compared to the original Modified Artificial Algae Algorithm. Quantitatively, it achieves on average 11% higher Pixel Importance Score values, indicating a significant improvement in solution quality, and operates approximately 74% faster in execution time, demonstrating substantially enhanced efficiency. These results show how well dynamically merging bio-inspired optimization with Texture-Based analysis works, hence providing a strong and safe solution for steganographic uses.