Enhancing Data Hiding Efficiency Through Dual Least Significant Bit In A Block-Fashion Of An Image

Dahman, Gehad Adel Ali (2025) Enhancing Data Hiding Efficiency Through Dual Least Significant Bit In A Block-Fashion Of An Image. Masters thesis, Sepuluh Nopember Institute of Technology.

Text 6025231094-Master_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Di masa ketika kota-kota berkembang pesat dan komunikasi digital sering menggantikan interaksi tatap muka, kebutuhan akan ruang publik yang mempertemukan orang-orang secara bermakna dan kreatif semakin meningkat. Area publik yang mendorong koneksi yang inovatif dan bermakna antarindividu menjadi semakin penting di era ini. Di kota seperti Southampton, sebuah kota pelabuhan yang kaya sejarah dan penuh dengan pergerakan, perpindahan, maka proyek ini hadir untuk menjawab tantangan soal identitas komunitas, terutama di tempat di mana orang sering datang dan pergi. Penelitian ini menggali bagaimana arsitektur bisa membantu menjembatani jarak sosial dan menghidupkan kembali semangat kota dengan ruang yang inklusif, penuh pengalaman inderawi, dan interaktif. Menggunakan area yang sebelumnya dikenal sebagai Toys “R” Us di Southampton sebagai tapak lokasi, proyek ini menawarkan konsep pusat kebudayaan baru perpaduan antara ruang komunitas dan tempat pertunjukan yang terbuka untuk semua, baik sebagai seniman maupun penonton. Dengan menekankan pada pengalaman multi-indera dan tata ruang yang fleksibel, desain ini mendorong keterlibatan sosial, kesejahteraan emosional, serta rasa keterikatan yang lebih dalam terhadap tempat. Tujuan utamanya adalah menunjukkan bagaimana lahan perkotaan yang kurang dimanfaatkan dapat dibayangkan kembali menjadi lingkungan yang hidup dan inklusif, yang mendukung pertumbuhan baik secara individu maupun kolektif. Proyek ini memperkenalkan konsep “The People Hub,” di mana batas antara panggung dan jalanan menghilang, dan ruang-ruang dirancang untuk terus berkembang seiring dengan para penggunanya.
========================================================================================================================
The rapid growth of digital communication and the proliferation of image sharing have made data security and privacy increasingly critical. Steganography, the practice of hiding information within digital media, offers a way to secure sensitive data but can also be misused for malicious purposes. As a result, designing robust and efficient steganographic systems has become essential for ensuring both security and imperceptibility. This research introduces an adaptive spatial-domain steganographic algorithm employing block-wise dual least significant bit embedding guided by support vector machine-based pixel intensity and neighbourhood analysis. By adaptively selecting smooth regions for embedding, the proposed method enhances payload capacity while preserving perceptual quality. Experimental validation was conducted using the standard grayscale images from the SIPI dataset. The results demonstrate that the method maintains high image quality while offering substantial payload capacity. The proposed method achieves a peak PSNR of 71.17 dB for a 1 kb payload and remains above 51 dB for payloads up to 100 kb. SSIM values consistently exceed 0.9978, while MSE stays below 0.50 across various test cases. When compared with state-of-theart techniques, the proposed method outperforms them by as much as 9 dB in PSNR, highlighting its superior performance in preserving perceptual quality while increasing capacity. In summary, the new method provides an effective and secure approach to image steganography, demonstrating strong potential for practical use in covert communication scenarios that require both high fidelity and adaptive
embedding control.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Data Hiding, Dual Least Significant Bit, Information Security, Stego Image, Data Concealment in Images, Secret Data, Steganography.
Subjects:	T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Gehad Adel Ali Dahman
Date Deposited:	07 Aug 2025 04:23
Last Modified:	07 Aug 2025 04:23
URI:	http://repository.its.ac.id/id/eprint/127877

Actions (login required)

View Item