互联网技术在不断发展的同时，信息安全问题也显得愈为重要。信息隐藏技术作为信息安全领域的重要研究课题一直为人们所关注。隐写技术是信息隐藏的重要研究方向，它是将需要传输的秘密信息隐藏于看似无关的数字载体中，且不被第三者发现或截取，以达到秘密通信的目的。而隐写分析技术是对嵌入的秘密信息进行检测和提取，防止有害信息的传输给国家和人民带来损失，具有现实意义。本文主要研究的是以JPEG图像为载体的隐写分析技术。　　目前，隐写分析技术可以分为两大类:一是特定隐写检测技术，二是盲检测技术。其中，数字图像盲检测技术具有更强的通用性。本文研究的是针对DCT域隐写算法的盲检测技术。文章首先对隐写系统与隐写分析系统做了简单概述，然后介绍了采取图像的四叉树分割和图像块分类对图像进行频域分区预处理，最后将同类图像块作为一类子图像。同时回顾和分析了隐写算法中的经典提取特征。在特征提取的基础上，研究了特征校准的原理以及提出基于插值法实现的亚像素校准的方法，通过与较为经典的校准方法进行的对比实验，结果表明本文提出的特征校准方法能够有效提高特征的区分度，从而提高隐写分析算法的检测效果。本文采取从子图像中提取DCT域特征并进行加权取平均的方式得到最终特征，该方法可以将图像纹理较为复杂且对嵌入信息敏感的部分与纹理平坦部分区别开来，对纹理复杂区域的特征增加在最终特征中的比重，这样可以提高特征的区别度，最后将得到的特征利用BP神经网络分类器训练特征向量，从而完成隐写图像的辨别和分类。仿真实验表明，本文提出的方法在针对频域隐写算法以及多种算法情况下的分类均取得了良好的分类效果，且提升了算法的运行速率。