在如今万物互联的时代背景下,人们比以往更加看重信息的安全传输,嵌入式平台对信息隐蔽通讯的需求日益见长。信息隐藏技术可以把秘密信息隐藏到载体中而难以被第三方感知或发现,不仅保护了信息内容,而且保护了信息传输过程的安全。图像作为目前传播最为广泛的数字媒体,为以图像做载体的信息隐藏方法开拓了新的发展空间。常用的图像信息隐藏方法大多是选择修改图像数据从而对秘密信息进行隐藏,因此难以抵抗利用深度学习进行隐写分析的检查。近年来,由于生成对抗网络及卷积神经网络等深度学习算法在图像领域取得了显著的成果,因此利用深度学习的算法和思路来改进信息隐藏技术成为了研究的重点。本文研究并设计了基于深度学习的嵌入式平台图像信息隐藏机制,以此满足嵌入式平台对隐蔽通信的需求,并提高了信息隐藏机制的抗分析性和含秘载体图像的质量。本文主要研究成果包括以下几个方面:(1)针对目前传统的图像信息隐藏算法由于通过修改载体信息进行信息嵌入而造成的难以抵抗隐写分析的问题,设计了一种基于深度学习的生成式图像信息隐藏机制。通过生成对抗网络的训练,生成与数据集相似的伪自然图像,生成的图像未经过任何修改。通过映射公式将隐秘信息转化为噪声向量,作为生成对抗网络的输入,直接生成含有隐秘信息的图像。而后利用生成对抗网络中的生成模型训练一个卷积神经网络,用于隐秘信息的提取。该机制在抗隐写分析和图像取证算法上具有较强的能力,在信息隐藏机制的安全性方面具有一定的改进。(2)针对基于生成对抗网络的图像信息隐藏算法中存在含秘图像质量不高的问题,本文提出了一种基于Realness-DCGAN的信息隐藏模型方案。利用分布的概念对目标函数进行了优化,通过引入逼真度分布,对生成模型的训练做出了更加有效的引导。改进的信息隐藏算法模型能够生成更高质量的含秘图像,同时在提取器的信息恢复准确率上也有所提升。(3)针对嵌入式平台信息传输过程中对隐蔽通信的需求,将本文提出的基于深度学习的信息隐藏机制应用到了嵌入式平台中,以实现信息的安全传输。通过实验测试表明本文所提出的信息隐藏机制在嵌入式平台中具有较少的运行时间和内存占用率,满足嵌入式平台资源受限的条件,能够应用于嵌入式平台中。通过对信息隐藏机制的实验与测试,实验结果表明,本文所提出的基于深度学习的信息隐藏机制在性能指标上有所提升,并在嵌入式平台达到了良好的效果。