随着计算机技术和网络技术的迅速发展，信息安全问题逐渐被广大研究学者所重视。以数字图像为载体的信息隐藏技术和隐写分析技术作为信息安全领域的重要分支，两者既相互斗争，又相互促进，共同发展。信息隐藏技术通过将隐密信息嵌入到载体文件中形成载密文件，以达到保护载体和隐藏秘密信息的目的。而隐写分析技术则相反，目的在于揭示待测文件中是否含有隐密信息，它不仅是防止非法秘密通信的重要手段，也是评价一个信息隐写算法是否安全的重要措施。论文首先介绍了信息隐藏和秘密通信的基本原理，然后介绍了以数字图像为载体的隐写技术和隐写分析技术的基本概念，相互关系及评价指标，尤其重点阐述了隐写分析技术的国内外研究现状和目前存在的问题，在此基础上，本文围绕基于多域特征的通用隐写分析技术进行了研究，主要包括以下工作：为实现对JPEG图像为载体的隐秘图像高效检测，提出了一种基于多域特征的通用隐写分析算法。该算法分别从图像离散余弦域，空域和离散小波域中提取特征向量，同时结合两种不同校准方法在图像不同域中对原始载体图像的估计能力不同的特点，提高了特征向量对隐密信息的敏感性，达到隐秘图像的高效检测。经过实验后表明，与目前广泛使用的几种典型的通用隐写分析算法比较，该算法有着良好的检测效果且稳定性好、运算效率高。在上述基础上，为了进一步提高图像隐写分析的检测正确率和速度，根据单隐层前馈神经网络的特点，提出了一种基于极限学习机（ELM）的隐写分析方法。该方法首先根据Pevny T提出的一种多域特征提取算法分别从图像DCT域和空域中提取特征，得到一组193维原始特征，然后使用主成份分析法进行特征约简，最后采用极限学习机作为分类方法构造隐写分析算法。实验表明，与目前在隐写分析算法中广泛使用的支持向量机（SVM）相比，极限学习机在不降低检测精度的情况下，大幅度地提高了检测效率，能够实现针对各类JPEG图像隐写算法的有效检测。