قابلیت کشف آماری یک نهان کاو بیان کننده توانایی آن در تشخیص تصاویر پاک از تصاویر درج شده است. نهان نگاری بهینه به گونه ای باید طراحی شود که نهان کاو نتواند تصاویر درج شده را تشخیص دهد. به همین دلیل، طراحی یک الگوریتم نهان نگاری بر مبنای کاهش قابلیت کشف آماری نهان کاو، هدفی مهم در نهان نگاری است. با این حال، ایجاد رابطه دقیق بین هزینه تغییر تصویر و قابلیت کشف آماری در حالت کلی مسئله ای حل نشده است. در این مقاله با مدل سازی نهان کاو توسط مدل های گرافیکی خاصی به نام مدل های موضوعی، به تخمین احتمال خطای نهان کاو به عنوان معیاری از قابلیت کشف آماری رسیده ایم. همچنین، بر اساس این معیار، تعریف جدیدی از ظرفیت نهان نگاری ارائه داده شده و رابطه آن را با هزینه تغییر تصویر بررسی گردیده است. همچنین، نشان داده شده است که روابط ریاضی حاصل بین پارامترهای نهان نگار و نهان کاو با ملاک های کلاسیک نظیر PSNR همخوانی دارد. سپس از رابطه هزینه تغییر تصویر و قابلیت کشف آماری به یک الگوریتم نهان نگاری مناسب رسیده ایم. با آزمون روی دادگان مناسب نشان داده شده است که الگوریتم حاصل در زمره بهترین الگوریتم های قابل تحلیل ریاضی است. لازم به ذکر است که تمرکز این مقاله روی حل یک مسئله تئوریک و بازتعریف مفاهیم نهان نگاری است به طوری که روش بهینه درج برمبنای بهینه سازی فریب نهان کاو انجام گردد و نه به صورت کلاسیک برمبنای کاهش فاصله تصویر پوشش و تصویر درج شده. با این حال عملا به بهبود دقت اندکی در حدود 0. 5 % نیز حاصل شده است.

پارامتر مهمی که در نهان نگاری باید تامین شود. مقاومت آن در برابر انواع تبدیلات، فشرده سازی ها و نویزهای عمدی و غیر عمدی ست. بدین منظور معمولا واردسازی علامت پیوند در یک حوزه تبدیل مناسب و با تکنیکی خاص صورت می گیرد. هدف این مقاله، یافتن روشی مناسب جهت نهان نگاری در صحبت است. به طوری که در برابر تبدیل LPC مقاوم باشد. به دلیل خواص مطلوب کدهای شبه نویز طیف گسترده از نوع طول ماکزیمم، این کدها را به منظور تولید علامت پیوند مورد استفاده قرار دادیم. با بررسی اثری که تبدیل LPC و عکس آن بر روی این نوع از علامت پیوند می گذارد روش جدیدی در آشکارسازی علامت پیوند درگیرنده به دست آوردیم. به این ترتیب، بدون اینکه فرآیند واردسازی علامت پیوند مستلزم حوزه تبدیل خاص و تکنیک پیچیده ای باشد، هدف ذکر شده محقق می شود.

امروزه جاسازی برگشت پذیر داده در تصاویر مورد توجه بسیاری قرار گرفته است. با قابلیت برگشت پذیر بودن، محتوای دیجیتال اصلی را می توان به طور کامل بازیابی نمود.  در این مقاله یک روش جاسازی داده برگشت پذیر برای تصاویر دیجیتال ارائه شده است که دستیابی به ظرفیت جاسازی بالا و کاهش بهم ریختگی در تصاویر دیجیتال را به دنبال دارد. در این مقاله، یک روش نهان نگاری برگشت پذیر بر اساس انتخاب ناحیه مناسب نهان­نگاری پیشنهاد می شود که با کمی تغییر روشنایی در حوزه پیکسل، داده ها در تصویر میزبان جاسازی می­شود. مشخص شده است که پیکسل های تغییر داده شده می توانند در طی مراحل بازسازی به مقادیر اصلی شان بازگردند. اثر جبران در این روش می تواند کیفیت تصویر مشخص شده را به طور قابل توجهی بهبود بخشد. به منظور بهبود کیفیت تصویر، ما پیکسل های غیر قابل جاسازی را حفظ می کنیم و از بیت­های پرچم برای تفکیک بین پیکسل های جاسازی شده و پیکسل های غیر جاسازی شده استفاده می کنیم با استفاده از این روش انتخاب پیکسل، یک تصویر نهان­نگاری شده با کیفیت بالاتر به دست می آید که قابلیت­های آن با آزمایش های گسترده قابل تایید می باشد. همچنین در این مقاله یک روش انتخاب ناحیه نهان نگاری بر اساس معیار آنتروپی پیشنهادشده است. در آزمایش های انجام شده در فرایند نهان نگاری اعمال شده بر روی یک نمونه از تصویر (بابون) معیار اندازه گیری فاصله واتسون در حالت قبل از بکارگیری الگوی آنتروپی 8/27 و  با بهره گیری از الگوی آنتروپی 9/7  بود که نشان می دهد روش پیشنهادی می تواند کیفیت تصویر بهتری نسبت به روش نهان نگاری برگشت پذیر رقیب ارائه دهد.

برقراری ارتباط پنهان و امن از نیازهای ضروری در فضای سایبر است. نهان نگاری اطلاعات بهترین روشی است که امنیت ارتباط در شبکه های عمومی مانند اینترنت را فراهم می کند. روش نهان نگاری Mod4 از جمله روش های مطرح حوزه تبدیل کسینوس است، که به-شکلی متفاوت از روش های گذشته پیام را درون تصویر جاسازی می کند. در این روش همبستگی بین ضرایب به خوبی حفظ می شود، و در برابر نهان کاوی کور مقاوم است. در این مقاله بهبود روش نهان نگاری Mod4، یعنی افزایش ظرفیت و شفافیت، به عنوان دو معیار اصلی در نهان نگاری صورت گرفته است. در روش پیشنهادی با تغییر اندازه قالب های ضرایب کسینوس، و با تعیین شروط مناسب برای انتخاب قالب های معتبر، شفافیت بیش از 5 درصد و ظرفیت بیش از 68 درصد افزایش یافته است. برای ارزیابی شفافیت تصاویر نهانه در روش پیشنهادی، و مقایسه با روش اصلی Mod4، از دو معیار PSNR و SSIM استفاده شده است.