随着多媒体技术的不断发展,隐写术在信息传递过程中扮演着越来越重要的角色。隐写术主要是将信息嵌入在载体中,尽可能地通过公共信道传送出去而不引起第三方的注意,注重隐蔽性和安全性。然而一些不法犯罪分子利用隐写术进行传递危险信息,给国家机密、军事情报以及个人隐私的安全带来了隐患。隐写分析作为其对立面,其目的就是检测媒体中是否隐藏有秘密信息,并提取出秘密信息或者破坏信息,甚至估计秘密信息的长度或密钥。数字图像常被用作原始载体进行信息嵌入和传送。本文重点研究数字图像隐写分析技术,主要的研究工作包括：(1)提出了一种基于两层差分矩阵模型的隐写分析算法。隐写操作通常会破坏像素之间的相关性,考虑到二阶马氏转移概率分析相邻值之间的关系,因此利用二阶马尔可夫链,提出了两层差分矩阵模型,并从水平、垂直、对角和反对角四个方向提取特征。特征经合并,并利用SVM分类器进行分类,用以区分隐写图像。实验表明,该算法可以有效的将原始载体和隐写图像检测出来。对自适应匹配隐写算法和典型隐写算法的检测结果要优于SPAM。(2)提出了一种基于极限学习机ELM的多种隐写方法分类算法,并对其结构进行优化选取隐藏层节点数。ELM分类器是基于单隐藏层前馈神经网络提出的。通过设置合适的隐藏层节点数,给输入向量和隐藏层偏差随机赋值,最后通过最小二乘法得到输出权值。整个过程一次完成,不需要迭代,有很好的泛化能力和学习性能,不仅提高了计算速度而且有很好的分类效果,尤其是用在多种隐写方法混合的分类中。实验表明,该分类器可以很好的把原始图像和隐写图像区分开,并且分类结果优于SVM。