随着时代的高速发展,人与人之间沟通交流的方式也由原始的口口相传、书信通讯变成了利用互联网技术进行的多媒体数据的传播。而在多媒体数据中,数字图像因其简洁直观、信息传达效率高的特点,被人们作为通信载体广泛应用于信息交流中。然而互联网的普及是一把“双刃剑”,随着应用的不断增多和互联网模式对现实场景的不断下沉,图像信息安全问题日益凸显,与之相关的信息安全课题也不断受到研究人员的关注。不同于图像加密技术破坏载体的可见性,图像隐写是一种将秘密信息隐藏于载体并形成有视觉意义的含密载体图像进行隐蔽通信的技术。由于人工神经网络的学习能力强、适应性好、数据驱动的优点,引入神经网络的图像隐写技术已逐渐成为目前的研究热点。但当前仍存在秘密信息嵌入量低、生成的含密图像质量差等问题,于是本文提出了基于神经网络的大容量图像隐写技术研究,主要开展了如下工作:（1）提出了基于Double-Unet的大容量图像信息隐写方案。Unet网络因其独特的U型结构和“skip-connection”的特点被广泛运用于医疗影像的语义分割。该方案引入Unet网络,并采用双层Unet叠加结构结合残差膨胀卷积模块以及添加信息补偿通道的操作让其载体图像和秘密图像的特征高度融合,有助于提高含密图像与原始载体、重构的秘密恢复图像与原始秘密图像的相似度。该以图藏图的方案不仅保证了大容量秘密图像的嵌入,还获得具有良好信噪比的含密图像和重构的秘密恢复图像,具有一定的现实意义。（2）提出了基于图像选择和STGAN的大容量无载体图像隐写方案。该方案选择将秘密信息多轮嵌入以提高秘密信息的容量。首先利用迭代量化哈希的方法从人脸图像库中挑选匹配部分秘密信息的载体图像,并根据剩余待嵌入的秘密信息对照标签顺序得出载体图像待修改的面部特征,通过STGAN生成修改面部特征后的含密图像。实验结果表明,该方案有效提高了无载体图像信息隐藏的容量和秘密信息的恢复准确率,增强了算法抗隐写分析的能力,保证了生成图像的视觉质量。综上可知,本论文所设计的基于神经网络的大容量图像隐写方案,不仅能实现以图像为载体的隐蔽通信,而且还能保证较大的秘密信息嵌入量,减少含密图像的失真。理论分析和实验验证了本论文所涉及方案的有效性。