随着人工智能和物联网技术的崛起,人们对保护隐私信息的愿景越来越强烈,信息安全已经成为大家越来越关注的问题。作为保证信息安全的重要手段之一,信息隐藏是指在多媒体通信载体中嵌入秘密信息并在公共信道上传输的一种安全通信方式。而图像隐写是信息隐藏的一个重要分支,它把秘密信息隐藏在公开的图像中,实现了秘密信息的隐蔽传输,有效保证了重要数据的机密性和安全性。因此,研究图像隐写技术具有深远的实际意义。然而,目前的图像隐写领域还存在一些问题。一方面,当前基于载体生成式的图像隐写算法,虽然可以实现在图像中的信息隐藏,但其受限于训练集的数据分布,存在着载体图像质量失真、纹理复杂程度不足等问题。另一方面,现有的图像隐写模型在图像传输过程中遭受数据压缩、噪声干扰等几何攻击时,易造成秘密信息难以完整提取的问题。针对上述问题,本文提出了两种基于深度学习的图像信息隐藏方案:（1）基于条件生成对抗网络的语义图像隐写方案。本文提出了一种基于c GAN的载体生成式隐写网络框架CS-c GAN,该框架可以生成适合隐写的载体图像来嵌入秘密信息。本文在隐写领域引入语义标签图,探索了利用底层语义编辑进行隐写的可能性。首先,为了在图像中寻找适合隐写的区域,本文在对c GAN进行改进,在语义标签图中寻找合适的隐写候选区域。然后,设计了一种多判别器c GAN,可以从语义标签图生成高视觉质量的RGB图像。最后,本文提出的框架与传统的隐写算法（例如LSBM,HUGO等）相结合,将秘密信息嵌入到生成的隐写候选区域中。实验结果表明,本文提出的算法具有较高的隐蔽性与安全性。（2）基于编码-解码网络的抗压缩以图藏图方案。该方案利用编码器将一幅彩色秘密图像隐藏到另一幅彩色载体图像中,并利用对应的解码器提取出彩色秘密图像。为了增强该隐写方案的鲁棒性,本文在神经网络中设计了一个JPEG压缩模拟层来模仿JPEG压缩操作,通过对抗训练的方式,增强解码网络提取秘密图像的能力;本文还重新定义了基于编码解码的图像隐写网络的损失函数,设计了载体图像与含密图像、秘密图像与重建秘密图像间的距离衡量指标,引入隐写分析对抗损失,提升隐写算法的安全性。实验结果表明,本文提出的以图藏图方案有较高的抵抗压缩的能力。