随着信息安全领域越来越受到各国的关注,图像隐写和隐写分析算法已经成为各国研究数据秘密传输的重要对象。尤其是JPEG图像以其在网传输容量大、嵌入信息隐蔽性好而受到广泛关注,针对JPEG图像的隐写算法和隐写分析算法也应运而生。本文主要研究JPEG图像的通用隐写算法,对基于多模纹理分类的隐写分析算法进行了深入的研究,并且通过GPU的并行计算来实现高速的特征提取。本文通过对不同纹理的分析和嵌入信息前后统计特性变化的研究,发现了不同纹理对嵌入信息的敏感度的区别,并针对不同的纹理进行了不同的分类,获得了较好的检测效果。本文的主要工作和成果如下：1、在图像隐写分析中引入纹理分类的概念。一幅自然图像有大量的纹理,不同的纹理对嵌入信息有着不同的敏感度。把图像进行纹理分类能够细化图像隐写分析的对象,并重点检查对嵌入信息更敏感的一类纹理。本文通过自相关函数二阶矩、灰度共生矩阵能量、对比度、熵和相关来确定一个纹理,把纹理分为平坦和粗糙两类,并分别对两类纹理进行了空域和频域特性的分析。结果表明,频域中粗糙纹理对秘密信息敏感度比平坦纹理更大。2、利用单类SVM (Support Vector Machine)对不同纹理的图像进行检测。单类SVM相对于二类分类器而言,其优点是无需对含密图像训练,而只需要对载体图像进行训练,这一点满足了实际应用。经过纹理分类后,样本训练范围过大的问题得以解决,从而可以获得良好的检测率。3、采用DCT系数分布特性和分块特性作为频域特征,提取多方向相邻系数对和块边缘系数对特征,提高了频域检测的效果。4、采用GPU并行计算,数十倍地提高了特征提取的速度。本文利用了nvidia公司的CUDA并行计算库来实现高速的特征提取,加快了图像隐写检测的速度。