当前,图像信息隐藏技术已广泛应用于公共信道中秘密信息的安全传输。早期的图像信息隐藏技术一般根据人工设计的编码方法修改原始载体图像以嵌入秘密信息。然而,随着计算机网络和隐写分析技术的发展,这类图像信息隐藏技术开始面临更多问题。首先,这类图像信息隐藏容量有限。通常,其隐藏容量低于1 bpp（bit per pixel）,而进一步增加容量将无法保证算法的不可见性。其次,这类图像信息隐藏的抗客观隐写分析性能仍然存在不足。由于它们总是需要修改原始载体图像来隐藏秘密信息,因此修改过程中产生的隐写痕迹很容易被客观隐写分析算法捕捉。针对上述问题,本文重点研究了基于深度学习的端到端图像信息隐藏、映射式图像信息隐藏以及构造式图像信息隐藏等理论和方法。论文的主要贡献包括:（1）提出了一种基于跳过连接稠密块和混合损失的端到端图像信息隐藏模型。首先利用稠密块结构和跳过连接设计了一种新型的隐藏/提取网络。然后,为了从多个角度衡量预测分布与实际分布之间的差异,该模型结合边缘差分比、均方误差和峰值信噪比构造了一种新的混合损失函数。在隐蔽通信过程中,发送方将载体图像和秘密图像同时输入到训练好的隐藏网络得到一个与载体图像没有任何视觉差异的含密图像,而接收方只需通过含密图像和提取网络即可恢复秘密图像,该算法是一个完全端到端的图像信息隐藏网络模型。实验结果和分析证明了该模型的有效性,其可在载体图像中隐藏相同大小的秘密图像。与已有的基于深度学习的端到端图像信息隐藏模型相比,该模型具有更快的收敛速度,更高的有效容量。同时,该模型生成的含密图像和秘密图像也具有更好的视觉质量。（2）提出了一种基于离散余弦变换和潜在狄利克雷主题分类的映射式图像信息隐藏算法。首先,该算法运用潜在狄利克雷分布主题模型对图像数据集进行主题分类。然后,随机选择一种主题下的图像,对这些图像进行8×8块离散余弦变换。接着,根据相邻块的直流系数之间的关系生成鲁棒特征序列。最后,建立包含特征序列、dc、位置坐标和图像路径的倒排索引。为了实现信息的隐藏,秘密信息被转换成二进制序列并切分成信息段,根据索引选择具有与秘密信息相同特征序列的图像作为载体图像传递给接收方。在整个过程中,原始图像未经过任何修改。实验结果和分析表明,该算法能够完全抵抗客观隐写分析算法的检测。与已有的映射式图像信息隐藏算法相比,该算法具有更高的鲁棒性和抗主观检测能力。同时,能在一定程度上抵抗几何攻击。（3）提出了一种基于分形理论的构造式图像信息隐藏算法。首先,该算法分析了分形图形学中四种常用分形生成方法,挖掘了其与构造式图像信息隐藏之间的联系。接着,以分形生成算法为基础,在分形图像生成过程中控制像素渲染来隐藏信息,并且通过调整渲染间距来平衡算法的鲁棒性、隐蔽性以及抗隐写检测能力。由于算法直接生成载体而没有修改已有载体,因此可有效抵抗现有的大部分隐写分析方法的检测,同时可通过调整生成图像的尺寸满足不同的容量需求。实验结果与分析表明,该算法可有效抵抗客观隐写分析算法的检测,对多种图像攻击具有较高的鲁棒性,且具有较大的隐藏容量。（4）提出了一种基于图像到图像转换的构造式图像信息隐藏框架。该框架将秘密图像视为属性图像,同时选择与秘密图像不同属性的图像作为参考图像。发送方首先利用图像到图像转换网络将秘密图像和参考图像解构成内容特征和属性特征。然后,使用隐藏网络把秘密图像的内容特征隐藏到参考图像的内容特征中以获取含密内容特征。接着,结合含密内容特征和秘密图像的属性特征生成新的含密图像。而接收方在接收到含密图像后,通过图像到图像转换网络对含密图像解构可恢复秘密图像的属性特征和含密内容特征,再将含密内容特征输入到提取网络以获取秘密图像的内容特征。最后,将秘密图像的内容特征和属性特征结合可恢复出秘密图像。实验结果表明,该框架可根据秘密图像生成相同尺寸的含密图像,并且可通过含密图像恢复秘密图像。生成的图像具有较高的视觉质量。同时,由于该框架并非对已有载体图像进行修改来隐藏信息,因此可抵抗隐写分析的检测。