互联网为人们提供了大量丰富的信息的同时,也带来了信息安全问题。稀疏域隐写通过构造能够充分表示图像结构成分的过完备字典,将秘密信息隐藏在图像的稀疏表示系数中,从而实现对语义内容的修改,具有更强的抗隐写分析能力。本文的工作主要包括以下三个方面：(1)成分字典在图像稀疏域隐写中作用的研究提出了一种基于图像形态学成分的稀疏域隐写算法。对于图像中卡通成分和纹理成分,建立相对应的成分字典。每种成分字典只能稀疏表示一种图像成分,而对另一种图像成分无效。结合这两种字典对图像进行稀疏表示时,可以获得两种图像内容分别对应的稀疏表示系数。当嵌入秘密信息时,优先嵌入到纹理部分对应的表示系数中,可以提高稀疏域隐写技术的各项性能。我们给出了两种构造字典的方法,利用现有的数学变换,以及利用学习型算法来自适应学习。(2)图像局部复杂度与稀疏域隐写安全性关系的研究首先分析了将空域评价图像复杂度的指标用于稀疏域隐写算法的难点,然后,提出了一种新的评价图像复杂度的指标——稀疏度。稀疏度不仅可以很好的衡量图像的局部复杂度,而且当将其用于稀疏域隐写算法时带来了很大的便利。据此我们提出了一个基于图像局部稀疏度的图像隐写算法。该算法根据图像块的稀疏度为其赋予不同的优先级,使稀疏度较低的图像块优先被用于隐藏秘密信息。实验结果表明,该算法在视觉检测和隐写分析检测中均得到很好的性能。(3)稀疏域隐写算法在彩色图像中应用的研究引入了一种基于RGB通道的彩色图像架构。利用R、G、B三个通道之间的相似性,用一个通道作为参考通道来获得分解路径,并用其对另外两个通道进行稀疏分解,将秘密信息隐藏在这两个通道中。未修改的参考通道蕴含着另外两个通道的分解路径。提取端可以通过分解参考通道来获得分解路径,从而实现了提取端分解路径的盲提取。成功将基于形态学成分的稀疏域算法以及基于局部稀疏度的算法用于此架构中。