近年来,随着计算机技术的飞速发展,信息安全问题越来越受到人们的关注。伴随着数字图像的广泛应用,大量的图像信息在网络上传输,在存储或传输过程中可能被非法用户窃取,造成信息泄漏。图像加密技术是保护数字图像信息安全的重要手段之一。传统的图像加密算法虽然已经在一定程度上实现了图像加密的功能,但是在可靠性、安全性、加密速度方面仍然存在一些缺陷。而基于深度学习的图像加密算法由于其在非线性映射、图像生成等方面的优势,成为了图像加密领域研究的热点之一。本文基于深度学习技术,提出了两种图像加密算法,主要研究工作如下:（1）本文提出了一种基于生成对抗网络的与明文相关图像加密算法。首先利用生成对抗网络生成明文相关联密钥,在加密过程中,设计了三个加密模块:像素替换、图像置乱、图像扩散。解密过程为加密过程的逆过程。实验结果表明,生成的密钥通过了 NIST的15项随机性测试,具有较优的随机性。提出的加密算法性能良好,具有较大的密钥空间,密文图像信息熵接近最优值,能够抵抗噪声攻击、剪切攻击、统计攻击等常见的攻击方式,提高了加密算法的可靠性和安全性。（2）本文提出了一种基于Piecewise混沌映射与自编码器的灰度图像加密算法。采用Piecewise混沌映射置乱和自编码器网络编码相结合完成图像加密。首先原始图像经过Piecewise混沌映射置乱操作,然后利用编码网络对置乱后的图像进行扩散编码。在编码网络中引入均匀分布损失函数增加密文图像的随机性和安全性,在解码网络中引入结构相似性损失函数提高解密图像的质量。实验结果表明,本算法具有较优的加解密性能,密文图像的相邻像素相关性接近于0,且在加密速度上具有较大的优势,可为图像加密提供新的思路和方法。