隐写是一种基于信息隐藏的隐蔽通信技术或隐蔽存储方法,通过难以感知的方法将秘密信息隐藏在可以公开的载体中。在隐写与隐写分析的长期对抗发展过程中,隐写研究者提出了丰富的图像隐写思路与方法。无嵌入图像隐写算法不存在被修改的载体图像,虽然理论上具有很高的安全性,但是普遍存在图像特性单一和生成图像质量差的问题。嵌入式图像隐写算法通过修改载体图像的方法进行秘密信息写入,因此容易留下修改痕迹而受到隐写分析模型的攻击。面对现有隐写方法存在的问题,本文针对性地提出了不同的图像隐写算法。首先本文从无嵌入隐写的方式出发,提出了一种基于自注意力机制的生成式隐写算法。利用生成对抗网络的样本生成能力,通过秘密信息直接生成载秘图像。同时针对现有工作存在图像质量差和图像背景异常等问题,设计实现了自注意力机制,在计算全局像素相关性的基础上,纠正图像生成的扭曲和伪影。在软间隔损失的基础上设计了适应于隐写判别器损失函数,保障秘密信息容量的基础上极大地提高了生成图像的质量。提取器通过精度阈值的设置,避免了参数过度优化而造成图像质量降低的问题。其次本文从有嵌入隐写的方式出发,提出了一种基于自编码网络的图像风格化隐写模型。根据图像自适应正则化方法可实现任意风格迁移的特点,设计实现了一种能够在图像风格化过程中进行隐写的网络模型。通过主动对图像进行艺术加工的行为掩护秘密信息的嵌入,在一定程度上提高了嵌入式隐写的安全性。针对图像风格化过程,图像内容将被大幅度保留现象,设计可学习的预处理滤波器提取图像纹理内容特征作为秘密信息嵌入概率,将信息隐藏在图像内容之中。接收方将风格化图像滤波处理后,再进行秘密信息的恢复。最后,本文设计了不同的实验以证明所提出算法模型的有效性,并通过不同的评价指标衡量算法的性能。实验结果表明,本文所提出的算法能够生成更高质量的近似自然图像;所设计的模型能够进行秘密信息的嵌入与提取,隐写容量也优于现有的隐写方法。