图像隐写分析作为一种检测图像载体是否藏有秘密信息的技术,在与图像隐写技术的长期对抗中不断发展,已经成为图像隐写算法安全性的一大威胁。传统的图像隐写算法都是通过直接修改载体图像数据从而嵌入秘密信息,因此难以抵抗图像隐写分析算法的检测。针对基于嵌入的图像隐写算法的不足,研究人员提出了无嵌入图像隐写的概念。无嵌入图像隐写通过不修改图像载体数据的方式将秘密信息隐藏到载体图像当中,因此能有效抵抗隐写分析的检测,提高图像隐写算法的安全性。但是现有无嵌入图像隐写算法普遍存在隐写容量较低或载秘图像类型单一(特殊纹理图像等)的问题,为了解决这些问题,本文针对性地提出了不同的无嵌入图像隐写算法。首先本文从载体图像选择的方式出发,实现了一种基于图像鲁棒哈希的无嵌入图像隐写算法。根据图像尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法的特点,我们设计并实现了一种能够抵抗常见图像攻击的鲁棒图像哈希,增强了载秘图像的鲁棒性,并在一定程度上增大了基于载体选择的无嵌入图像隐写算法的隐写容量。进一步,通过四叉树索引结构减小了本地图像库的大小,并减少了隐写过程中选择载体图像的时间。其次本文从载体图像生成的方式出发,设计并实现了一种基于深度卷积生成对抗网络的无嵌入图像隐写算法。通过深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的训练,直接从秘密信息生成没有经过嵌入修改的载秘图像。同时根据深度卷积生成对抗网络中生成模型的特点,设计了一种卷积神经网络结构的提取模型以从生成图像中提取秘密信息。和现有无嵌入图像隐写工作相比,本文方法不需要建立载体图像库,生成的载秘图像是接近真实的自然图像。最后本文对所提出的无嵌入图像隐写算法进行实验证明其有效性,并从不同的角度分析了算法的性能。实验结果表明,本文所提出的算法能够以自然图像或近似自然图像作为载秘图像,隐写容量相比现有的基于无嵌入的图像隐写算法有了明显的提升,而且能够有效抵抗常见隐写分析算法及图像篡改取证算法的攻击。