随着互联网与多媒体技术的发展,图像逐渐成为社交媒体上传递信息的一种重要载体。与此同时,基于图像的信息隐藏技术也引起了人们越来越多的关注。安全性指代防止未授权的第三方用户获取隐藏信息的能力,是衡量信息隐藏技术优劣的一种重要属性。然而,受限于图像内容的复杂性,如何有效地分析与估计图像的安全性仍是一个亟待研究的问题。近年来,深度学习算法广泛应用于诸如显著物体检测、物体检索、语义分割等多媒体计算领域,相比人工定义特征的传统算法,取得了显著的进步。因此,深度学习的应用,为图像安全性估计提供了新的思路。本文提供了一种基于深度学习的多层次图像安全性估计方法,结合了图像的局部安全性与整体安全性的评价。该方法的主要思路为:首先根据图像的局部安全性特征与显著性特征在纹理、轮廓等图像内容中的相似性,将图像局部安全性估计任务类比为显著性检测任务,并利用深度学习算法,分析图像内容特征,获取对应图像的局部安全性估计图;然后根据图像的局部安全性与整体安全性之间的联系,利用图像的局部安全性估计图的统计特征,计算对应图像的整体安全性估计值。本文所提出的图像安全性估计方法可以应用于不同的信息隐藏相关的领域,其中包括图像隐写术与隐写者检测。本文继而提供了一种结合多层次图像安全性估计的模拟隐写算法,与一种结合多尺度局部安全性估计的隐写者检测算法。本文所提出的结合多层次图像安全性估计的模拟隐写算法的主要思路为:首先根据图像的整体安全性估计值对候选图像进行排序,并选择整体安全性值相对高的图像作为隐写载体;然后根据图像的局部安全性估计图,分配隐藏信息,生成隐写图像。本文所提出的结合多尺度局部安全性估计的隐写者检测算法的主要思路为:首先将多尺度的局部安全性估计图与卷积神经网络生成的特征图相结合,抽取隐写分析特征;然后提出一种创新的高斯投票方法,分析不同用户的隐写分析特征集合,检测出隐写用户。本文在公开数据集上对所提出的多层次图像安全性估计方法,及其在图像隐写术与隐写者检测上的应用方法进行了验证。实验表明,本文提出的估计方法可以有效地评价图像的安全性,以及结合该估计方法的图像隐写术与隐写者检测算法均优于同类代表性算法。