چکیده: چکیده امروزه با گسترش تهدیدات سایبری و مشکلات مختلف ناشی از نفوذ به شبکه‌های رایانه‌ای، مطالعات متعددی در مورد نهان‌نگاری در تصویر صورت گرفته است. این پژوهش‌ها هر یک دارای نقاط ضعف و قوت متفاوتی هستند. مشکل اکثر این پژوهش‌ها حجم زیاد محاسبات و امنیت متوسط آن‌ها است. بنابراین زمان و امنیت دو عامل کلیدی برای یک فرایند نهان‌نگاری می‌باشد که در این پایان‌نامه موردبررسی قرار گرفته‌اند. به همین منظور، قصد داریم در گام نخست روش پیشنهادی، الگوریتمی کارآمد به نام الگوریتم YOLO برای آشکارسازی اشیاء و همچنین تشخیص بهترین شی‌ء جهت نهان‌نگاری، از الگوریتمی به نام GLCM استفاده کنیم. در گام بعد، نهان‌نگاری در شی‌ء پیشنهادی با استفاده از روشی مبتنی بر LSBMR انجام می‌شود. روش پیشنهادی در این پایان‌نامه، دارای دو مزیت عمده نسبت به روش‌های پیشین است. نخست عملکرد امنیتی قوی، همراه با سرعت جاسازی مناسب است که در سیستم‌های نهان‌نگاری پیشین کمتر موردتوجه قرارگرفته است. سپس، به حفظ حداکثری کیفیت تصویر توجه ویژه‌ای شده است. این فرایند به لطف استفاده از شبکه های عصبی عمیق در آشکارسازی شی‌ء و انتخاب شی‌ء مناسب و بکارگیری روش مبتنی بر LSBMR که موجب تغییرات کمتر در تصویر شده، محقق شده است. تصاویر میزبان، مانند یک تصویر چهره، حاوی اطلاعاتی حساس هستند و کوچک‌ترین تغییر، برای بیننده محسوس خواهد بود. روش پیشنهادی در این پایان‌نامه بر محافظت از مناطق مهم نیز تمرکز دارد و مانع از تغییر فاحش در تصویر خواهد شد.. در این پایان‌نامه، استفاده از یادگیری عمیق برای انتخاب مناطق مناسب اشیا در تصویر، سبب افزایش سرعت و کیفیت عملکرد روش پیشنهادی شده است..میزان بهبود درروش پیشنهادی به نسبت سایر پژوهش‌ ‌‌‌‌‌‌‌‌‌‌‌‌‌های این حوزه به‌صورت میانگین درمقدار معیار میانگین مربعات خطا بیش از 0.05کاهش و در مقدار معیار PSNR بطور میانگین 2درصد افزایش داشته است.