پنهان‌نگاری فرآیند مخفی‌سازی پیام محرمانه در رسانه‌های دیجیتال معمولی با هدف حفظ خصوصیات آماری رسانه مربوطه است. در این حوزه به رسانه اولیه پوشانه و به رسانه حاوی پیام حامل گفته می‌شود. بسیاری از محققین تلاش می‌کنند که اعوجاج حاصل از جاسازی پیام در تصویر پوشانه را به حداقل برسانند؛ چراکه هرگونه اعوجاج یا تغییر در پوشانه ممکن است موجب بروز شک نسبت به وجود پیام در تصویر گردد. در این راستا، اغلب روش‌های پنهان‌نگاری تصویر از رویکرد اعوجاج جمع‌شونده تبعیت کرده و تغییرات ناشی از جاسازی پیام را مستقل فرض می‌کنند. درحالی‌که در تصاویر طبیعی بین پیکسل‌های مجاور همبستگی متقابل زیادی وجود دارد؛ لذا هماهنگ‌سازی تغییرات باعث کاهش تغییرات آماری تصویر پوشانه و کمتر شدن امکان شناسایی می‌گردد و در نتیجه محرمانگی و امنیت را بهبود می‌‌بخشد. بر این اساس، در روش‌های غیر جمع‌شونده مؤلفه‌هایی برای در نظر گرفتن همبستگی‌ بین پیکسل‌ها در نظر گرفته می‌شود. در طراحی روش‌های غیر جمع‌شونده، یک چالش بزرگ عدم سازگاری با الگوریتم‌‌های جاسازی موجود است؛ زیرا این الگوریتم‌ها برای رویکرد جمع‌شونده ارائه شده‌اند و پیکسل‌های تصویر را به‌صورت جداگانه پردازش می‌کنند. در این مقاله، یک چارچوب پنهان‌نگاری متقارن غیر جمع‌شونده معرفی می‌گردد که کاملاً با الگوریتم‌های جاسازی موجود سازگار است، درعین‌حال با استفاده از میدان تصادفی مارکوف همبستگی و تعاملات بین تغییرات پیکسل‌ها را مدل می‌کند. در این چارچوب ما از استنتاج میدان متوسط جهت یافتن بهترین تقریب برای این مدل استفاده می‌کنیم که تعاملات همسایگی را به‌عنوان یک اثر میانگین برآورده می‌کند. چارچوب پیشنهادی بر روی همه روش‌های جمع‌شونده قابل اعمال است و به دلیل هماهنگ‌سازی تغییرات، بهترین نقشه جاسازی با احتمال شناسایی کمتر را به‌دست می‌آورد. آزمایشات بر روی مجموعه داده استاندارد انجام شده است و نتایج کارایی مناسب روش پیشنهادی را در برابر روش‌های موجود نشان می‌دهد.

کلمات کلیدی