作为一种保障信息安全的重要技术手段，图像隐写分析技术已成为信息安全领域的研究热点。近年来，针对图像隐写的检测技术已取得丰硕的研究成果，且在实验室环境下取得优异的检测效果，但当其应用于实际网络环境中嵌入率和嵌入算法未知、复杂图像内容条件下的隐藏信息检测时，难以取得理想的效果。因此开展网络环境下图像隐写分析技术研究具有重要的理论意义和应用价值。本文结合信息融合技术，分别研究实际网络环境中嵌入率未知、嵌入算法未知、以及复杂图像内容条件下的隐藏信息检测问题。论文的主要工作和学术成果包括：1、简要介绍信息融合技术并对其在图像隐写分析中的应用进行总结。首先，简要介绍信息融合技术的基本概念；然后，重点介绍几种常用的决策级融合方法；最后，对基于融合的图像隐写分析技术的研究现状进行归纳和总结，并提出本文基于融合的图像隐写分析技术框图。2、针对实际网络环境下嵌入率未知的问题，提出一种基于D-S(Dempster-Shafer)证据理论的图像隐写分析方法。首先，通过建立多个不同嵌入率下的训练分类器模型，得到对测试图像的多个局部决策值；然后，将得到的局部决策值转化为证据，并根据各分类器的漏检率和虚警率，对各局部决策值分配权重；最后，由基于权重系数的D-S证据理论推理得到最终的决策结果。针对最不重要比特匹配隐写的实验结果表明，该方法改善了未知嵌入率条件下的隐写检测性能，并能通过调整参数满足实际工作中对不同检测率和虚警率的需求。3、现有图像隐写分析技术通常假设嵌入算法已知，但在实际检测中嵌入算法往往是未知的，针对此问题，提出一种基于Boosting算法融合的图像隐写分析方法。通过训练建立多个不同嵌入算法下的分类器模型，利用Boosting算法测试各分类器的分类性能，然后对各分类器的概率输出进行融合，得到最终的检测结果。针对空间域隐写算法和JPEG隐写算法的实验结果表明，该方法实现了对未知嵌入算法的有效检测，应用Boosting算法融合后比融合前整体检测性能有所提升。4、研究表明，载体图像源对于盲隐写分析的性能有巨大的影响，但现有通用盲检测方法在设计时大多没有考虑这一因素。鉴于此，提出一种利用图像内容复杂度和模糊积分融合的图像隐写分析方法。训练阶段，首先根据图像复杂度把图像预分为若干类，然后针对每一类训练分类器，并计算其模糊测度。测试阶段，先判断待测图像的类别，然后将其送入到已训练好的各个分类器中，得到多个局部决策值，之后通过图像的类别选择对应的模糊测度进行模糊积分融合得到最终的检测结果。实验结果表明，该方法提升了通用盲检测方法在混合图像库中的检测性能。最后，对本文工作进行了总结，并对基于融合的图像隐写分析技术的发展和研究进行了展望。