当今社会,随着人们对互联网的使用增多,时刻都有海量的数据在网络上传输,这就给某些不法分子留下了可趁之机。遇到这种情况,首先会想到使用加密的手段去保护数据的安全和个人隐私。但是一般传统的加密方法很直接的告诉他人,这段信息是加密过的,因为经过加密后数据呈现出一种杂乱无章的状态,不法分子很容易的可以发现数据被加密的事实并截获它。如果可以在某些载体中嵌入秘密信息,并且掩盖住嵌入信息的事实,那么就很大程度的提高了传输的安全性,保护隐私数据的安全,因此信息隐藏技术就被提出了。对于军事、医疗、司法等对载体图像要求比较严谨的领域,图像不能有失真的情况,所以就需要可逆信息隐藏技术的特性,能够在提取秘密信息后,将失真图像进行恢复。本文是在研究当前已有的可逆信息隐藏方法的基础上,发现了可以提升原有算法性能的方式,算法的创新点在于,可以在同一幅图像中使用多种嵌入方法,并且可以根据图像像素分布和具体秘密信息的情况,自适应地选取较好的嵌入方法。主要研究工作如下:通过实验比较分析了经典的基于差值扩展和基于差分直方图平移的算法,发现这两种算法在最大嵌入容量和图像质量也就是峰值信噪比两个方面各有优势,可以将两种算法进行一个结合。基本思想是,首先将一幅图像分块处理,其中每一块可以使用不同的嵌入算法,然后使用遗传算法在解空间中寻找一个较优的嵌入策略,最后使用该策略进行秘密信息的嵌入,实现了一种具有自适应特性的新的算法。这样可以有效利用图像的像素分布特点,在保证能够嵌入全部信息的条件下,达到较好的图像质量,降低图像的失真。最后通过大量python仿真实验,将本论文提出算法与其他已有算法进行比较实验,最终结论是本论文提出的基于遗传算法的自适应可逆信息隐藏方法在最大嵌入容量和图像峰值信噪比方面均有显著提升。