图像是多媒体工具当中最重要的一种信息表达形式，被广泛应用到商业管理、教育教学、军事训练以及家庭生活等人类活动的诸多领域。互联网与多媒体技术的发展使得大量的图像数据在网络上存储和传输，而这些图像数据中很大一部分涉及到了个人隐私或者商业机密等秘密信息，因此，图像数据传输与存储的安全性问题亟需解决。图像隐写术是将涉密图像隐藏到非涉密载体当中，从而隐藏涉密图像的存在，达到信息安全隐蔽传输一种技术。传统的图像隐写术一般是通过人工设计的代价函数实现数据的嵌入与提取，隐写效率较低，并且无法针对第三方检测工具进行实时动态调整，因此，传统的图像隐写术正逐步陷入瓶颈期。近年来，深度神经网络模型在图像处理、自然语言处理和语音识别等诸多领域得到了一系列突破性进展的同时，也在信息隐写领域逐步渗透，并且显现出巨大的潜力。当前图像隐写术主要研究有以下两个内容：一个是在提升信息隐写容量的前提下还能保证非涉密载体的视觉质量；另一个是提升隐写术本身的安全性。因此，针对上述的两个问题，本文提出了基于深度卷积神经网络的大容量图像隐写方法。通过修改深度卷积神经网络的结构与调整网络参数，在保证视觉质量的前提下实现了全尺寸图像的隐写。此外，还将图像椭圆曲线加密(Elliptic Curve Cryptography，ECC)和矢量量化变分自编码器(Vector Quantised Variational AutoEncoder，VQ-VAE)添加到该隐写框架当中，进一步提升了隐写结果的安全性与信息负载容量。本文主要研究工作包括以下两点：
　　(1)为了提升图像隐写容量和隐写效率，本文提出了一种基于SegNet结构的图像隐写方法。该网络结构包括两个子网络：隐藏网络与提取网络，两个网络同时训练。首先，提前训练好两个子网络；其次，在发送方将原始自然图像(涉密图像)通过隐藏网络将其整个嵌入到非涉密载体图像当中，最终得到载密图像；最后接收方将载密图像通过提取网络将涉密图像提取出来。通过实验仿真与分析，该网络模型能够对实现全尺寸图像的隐写，并且能够保证生成图像的视觉质量，并且深度神经网络能对数据进行批量处理，隐写效率有着较高的提升。
　　(2)为了进一步提高隐写安全性与信息负载容量，本文在SegNet网络的基础上，加入了ECC和VQ-VAE。首先将非涉密图像通过VQ-VAE网络进行压缩与重构，然后再进行ECC加密，最终得到加密图像。最后将加密后的图像通过SegNet网络中的隐藏网络与提取网络实现图像的隐写与提取。通过实验仿真与分析，在加入了VQ-VAE之后，其信息负载量得到了提升。而ECC是一种非对称的加密技术，具有密钥短安全性高的特点，因此该隐写框架有着双重安全保证。