Segmentasyon tabanlı görüntü steganografi yöntemlerinin analizi
Analysis of segmentation-based image steganography methods
- Tez No: 1024222
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZLEM UÇAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Görüntü steganografisi, gizli verileri dijital görüntülere gömerek görsel bütünlüğü koruyan temel bir bilgi gizleme yaklaşımıdır. Geleneksel gömme teknikleri görsel bozulmalara neden olabilir ve istatistiksel steganalizle tespit edilebilir hale gelebilir, bu nedenle gömme kapasitesini, görüntü kalitesini ve gizliliği bir arada koruyan yöntemlerin geliştirilmesi önemlidir. Bu tezde, segmentasyon tabanlı hibrit steganografi yöntemleri, farklı yük koşulları altında sistematik olarak değerlendirilmekte olup, özellikle segmentasyon-gömme etkileşimlerinin güvenli kapasite üzerindeki etkisine vurgu yapılmaktadır. Çalışma kapsamında görüntüler önce yapısal özelliklerine göre bölgelere ayrılmış; bu amaçla SLIC süperpiksel segmentasyonu, K-means kümeleme, GLCM tabanlı bölgeleme ve Watershed segmentasyonu kullanılmıştır. Elde edilen segmentler üzerine EMD, PVD ve LSB veri gömme teknikleri uygulanarak toplam 12 farklı hibrit yöntem oluşturulmuştur. Deneyler, Airplane, Baboon, Boat, House, Lena, Peppers, Texture1 ve Texture2 olmak üzere sekiz standart gri seviye test görüntüsü üzerinde gerçekleştirilmiştir. Veri gömme işlemi artan payload yaklaşımıyla yürütülmüştür. 90 ve 120 satırlık koşullarda tüm görüntüler değerlendirilmiş, 150 ve 180 satırlık koşullarda yüksek yük altında anlamlı analiz üretmeye devam eden Airplane, House, Peppers ve Texture2 görüntüleri ile çalışılmış, 210 satırlık en yüksek koşulda ise yalnızca House görüntüsü üzerinde sınır kapasite davranışı incelenmiştir. Yöntemlerin performansı PSNR, SSIM, MSE ve RS analizinden elde edilen ΔRS ölçütü ile değerlendirilmiş; güvenli veri gömme kapasitesi belirlenirken PSNR ≥ 30 dB, SSIM ≥ 0.95 ve ΔRS ≤ 0.02 eşikleri esas alınmıştır. Elde edilen bulgular, segmentasyon tabanlı hibrit yapıların performansının veri gömme tekniği ve segmentasyon yaklaşımına bağlı olarak belirgin biçimde değiştiğini göstermiştir. EMD ve PVD tabanlı hibrit yöntemler çoğu görüntü ve yük koşulunda daha kararlı sonuçlar üretirken, bazı LSB tabanlı yapılar artan payload düzeylerinde daha erken performans kaybı göstermiştir. Genel değerlendirmede, slic_emd, k-means_emd, watershed_emd, slic_pvd, k-means_pvd, glcm_pvd ve watershed_pvd yöntemleri güvenli kapasite bakımından en kararlı grup içinde yer almıştır. Buna karşılık watershed_lsb yöntemi, hemen her payload düzeyinde en erken sınırlanan ve görsel kaliteyi en hızlı kaybeden yapı olarak öne çıkmıştır. Ayrıca sonuçlar, görüntü içeriğinin de belirleyici olduğunu göstermiş; house görüntüsü yüksek payload altında en dayanıklı örnek olurken, Lena, Boat ve Texture1 görüntüleri yöntem seçimine daha duyarlı bir yapı sergilemiştir. Sonuç olarak bu tez çalışması, segmentasyon tabanlı hibrit steganografi yöntemlerinin artan veri yükü altındaki performansını karşılaştırmalı olarak incelemiş ve güvenli veri gömme kapasitesinin yalnızca gömme algoritmasına değil, segmentasyon tekniği ile görüntü yapısı arasındaki uyuma da bağlı olduğunu göstermiştir. Çok ölçütlü değerlendirme yaklaşımıyla farklı payload düzeylerindeki kapasite davranışını ortaya koyan çalışma, alana hem uygulamalı hem de yöntemsel açıdan katkı sunmaktadır.
Özet (Çeviri)
Image steganography is a fundamental information hiding approach that embeds secret data into digital images while preserving visual integrity. Since conventional embedding techniques may introduce visual distortions and become detectable by statistical steganalysis, developing methods that jointly maintain embedding capacity, image quality, and privacy remains important. In this thesis, segmentation-based hybrid steganography methods are systematically evaluated under different payload conditions, with particular emphasis on the effect of segmentation–embedding interactions on secure capacity. Within the scope of the study, the images were first divided into regions based on their structural features; for this purpose, SLIC superpixel segmentation, K-means clustering, GLCM-based region segmentation, and Watershed segmentation were used. On the obtained segments, a total of 12 different hybrid methods were created by applying EMD, PVD, and LSB data embedding techniques. The experiments were conducted on eight standard grayscale test images: Airplane, Baboon, Boat, House, Lena, Peppers, Texture1, and Texture2. The data embedding process was carried out using an increasing payload approach. In the conditions of 90 and 120 lines, all images were evaluated, while in the conditions of 150 and 180 lines, the images Airplane, House, Peppers, and Texture2, which continued to produce significant analysis under high load, were worked on. In the highest condition of 210 lines, only the House image was examined for boundary capacity behavior. The performance of the methods was evaluated using the ΔRS criterion obtained from PSNR, SSIM, MSE, and RS analysis; the thresholds of PSNR ≥ 30 dB, SSIM ≥ 0.95, and ΔRS ≤ 0.02 were considered when determining the safe data embedding capacity. The findings obtained have shown that the performance of segmentation-based hybrid structures varies significantly depending on the data embedding technique and segmentation approach. While EMD and PVD-based hybrid methods produced more stable results under most image and payload conditions, some LSB-based structures showed earlier performance degradation at increased payload levels. In the overall assessment, the methods slic_emd, k-means_emd, watershed_emd, slic_pvd, k- means_pvd, glcm_pvd, and watershed_pvd were among the most stable group in terms of secure capacity. In contrast, the watershed_lsb method has emerged as the structure that is limited the earliest and loses visual quality the fastest at almost every payload level. Additionally, the results showed that the image content was also decisive; the House image was the most resilient example under high payload, while the Lena, Boat, and Texture1 images exhibited a more sensitive structure to the choice of method. In conclusion, this thesis study has comparatively examined the performance of segmentation-based hybrid steganography methods under increasing data load and has shown that the capacity for secure data embedding depends not only on the embedding algorithm but also on the compatibility between the segmentation technique and the image structure. The study, which reveals the capacity behavior at different payload levels thru a multi-criteria evaluation approach, contributes to the field both practically and methodologically.
Benzer Tezler
- Security enhancement of image steganography using deepconvolutional neural network (DCNN)
Görüntü güvenliği geliştirme derin kullanarak steganografidönüşümlü sinir ağı (DCNN)
RAFAD IMAD KADHIM ABO KHUSHOOT
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Nesne-tabanlı sınıflandırmada doğal arazi örtüsü sınırlarını esas alan bölge tabanlı bölütleme (segmentasyon) algoritmasının optimizasyonu
Optimization of region-based segmentation algorithm based on natural land cover boundaries in object-based classification
HASAN TONBUL
Doktora
Türkçe
2021
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
- Nesne tabanlı görüntü analizinde ölçek ve eğitim seti boyutunun sınıflandırma doğruluğuna etkilerinin araştırılması
Investigation of the effects of scale and training set size on classification accuracy in object based image analysis
İSMAİL AŞIK
Yüksek Lisans
Türkçe
2019
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL ÇÖLKESEN
- Görüntü segmentasyon metotlarının sınıflandırma performansı üzerine etkilerinin araştırılması
An assessment of the effectiveness of segmentation methods on classification performance
MERVE YILDIZ
Yüksek Lisans
Türkçe
2012
Jeodezi ve FotogrametriGebze Yüksek Teknoloji EnstitüsüJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
- Minimum yayılan ağaç tabanlı sıralı görüntü bölütleme
Minimum spanning tree-based sequential image segmentation
ALİ SAĞLAM
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. NURDAN BAYKAN