作为信息隐藏的一个重要方向,隐写技术致力于在数字载体中嵌入一定容量的秘密信息,并使得嵌入后的载体能够从视觉感官和隐写分析的角度都具有不可感知性。人类视觉系统具有以下特性:人眼对图像噪声/边缘区域的失真不如平滑区敏感。因此,目前有许多隐写算法利用了人类视觉特性以实现大容量的信息嵌入。基于相邻像素值差(Pixel-Value Differencing,PVD)隐写算法利用了这个特性,利用像素的差值进行区分图像的噪声/边缘区域与平滑区域,再将隐秘信息嵌入图像相邻像素点对的像素差值中,差值越大,则嵌入越多信息,因此在得到更高的嵌入率同时还能够保持更高的图像质量。　　 本文对最新的基于PVD隐写算法进行深入研究。首先,本文回顾了三种重要的基于PVD的隐写方法。通过总结这些算法的共性,本文对PVD算法进行扩展并给出它的一个更为通用的一般性框架。为此,本文给出一个确保信息嵌入和提取得以正确实现的嵌入条件,并从数学上给出了严格的证明。　　 当选取相同的嵌入参数,本文的一般框架完全等价于Yang等人的PVD方法,即Yang等人的PVD算法可视为本扩展框架的一个特例。但是,本文所提出的新方法,在算法实现上不需要复杂的边界检验,嵌入流程极大地简化,大大降低了算法的计算复杂度。并且关于子区间划分及对应区间上嵌入参数的配置,本文的方法完全可以得到更多的灵活性,使得算法具有更高的实用价值的同时,反过来又增强了在实际使用中算法的安全性。　　 随后,本文进一步分析了该PVD隐写算法的安全性。Yang等人的PVD方法虽然与之前的其他基于PVD的隐写方法相比,在一定程度上既能得到更大容量的嵌入,同时又得到了更好的视觉不可察觉性。但是由于它仍然存在安全漏洞,在分析该算法的统计特征上的缺陷之后,本文设计了两个针对该PVD的个目标隐写分析检测器。通过在不同的图像测试库上的实验结果表时本文提出的两个隐写分析算子均得到非常可靠而且比较稳定的检测效果,该PVD算法几乎不能抵抗隐写分析的攻击,此最新的PVD隐写算法同样是对攻击非常脆弱。算法的实用价值和意义有赖于进一步克服其安全方面上的致命缺陷。因此,在将来的研究中需要设计一个更为成熟可靠的基于PVD的隐写算法,使其能够统计特征上更加不可测。