信息隐藏是将秘密信息隐蔽地嵌入到通信载体中,进行公开传输的一种隐蔽通信方式,可以实现秘密信息悄无声息地秘密传输。由于图像本身存在较大冗余且容易获取,图像隐写成为信息隐藏的主要方式。把秘密信息隐藏到图像高频细节区域,减少图像视法被广泛研究,主要包括获取载体图像、设计失真函数、生成含密图像三个方面,已经产生了丰富的研究成果。本文针对基于隐写失真设计的图像隐写方法展开研究,该类方法在嵌入秘密信息后,图像的视觉质量不会有较大改变,但是该类方法存在像素觉质量和统计特性的改变以躲避隐写分析检测。目前,基于深度学习的图像隐写方法被广泛研究,主要包括获取载体图像、设计失真函数、生成含密图像三个方面,已经产生了丰富的研究成果。本文针对基于隐写失真设计的图像隐写方法展开研究,该类方法在嵌入秘密信息后,图像的视觉质量不会有较大改变,但是该类方法存在像素失真学习不准确、难以抵抗先进的隐写分析网络检测等问题。本文针对这两个问题,提出两种失真自动学习图像隐写方案。（1）为了提高像素失真学习的准确度,提出一种基于图像增强的失真自动学习图像隐写方法。首先设计图像增强结构,对载体图像进行增强,突出体现载体图像中适合隐写的纹理复杂区域,减少网络学习的搜索空间,在精细化学习像素失真的同时提高生成网络的训练效率。然后设计强化的生成网络结构,在U-Net网络中进一步嵌套了不同层次的U-Net结构,加强学习低阶粗粒度特征和高阶细节特征,一方面维持图像光滑区域的稳定性,另一方面更精准地学习像素失真,生成更合理的像素改变概率。实验结果表明,该方法失真学习更准确,具有更高的隐蔽性。（2）为了主动欺骗隐写分析网络,提出一种基于对抗调整的失真自动学习图像隐写方法。首先设计双流输入结构,同时捕获原始载体图像与增强后载体图像的特征,并进行融合再学习,进一步辅助生成网络在对抗训练中生成更准确的像素改变概率。然后设计对抗失真调整策略,根据隐写分析网络损失函数的梯度方向更新像素改变概率的大小,使得含密图像在生成的同时,悄然无痕地获得对抗样本的性质,主动欺骗隐写分析网络。实验结果表明,该方案抗隐写分析网络检测的能力更强,隐蔽性更好。