随着Internet的飞速发展,信息安全问题日益重要与突出。信息隐藏技术作为隐秘通信和知识产权保护的主要手段正得到广泛的应用与研究。其中隐写术是信息隐藏技术的重要分支之一,可用于个人隐私、商业、军用部门及政府之间的隐秘通信。超图和稀疏表示近年来在信息检索,数据挖掘,图像去噪及分类等方面得到了广泛的应用。本文探索了超图和稀疏表示在隐写中的应用,并完成了以下三方面的工作：(1)基于超图的图像隐写方法提出了一种基于超图的图像隐写方法。先对像素分组,再根据像素之间的可交换关系构造超边,用超边的集合(超图)来表示图像,用局部最优的贪婪算法寻找超图的匹配来完成隐秘信息的嵌入。实验结果表明,相对于基于图论的方法,文中方法对载体图像像素的修改更小,增强了含密图像的视觉质量,抗攻击性能也优于现有的其他空间域方法。(2)学习型冗余字典在稀疏域隐写术中的研究用冗余字典来分解载体图像块,将隐秘信息嵌入到稀疏域分解系数中。在这一章中用多种学习型算法(PCA、ICA、K-SVD)构造二值冗余字典。并比较了不同冗余字典在分解图像,嵌入隐秘信息,重构图像这几个过程中的性能。实验分析表明,学习型字典比起手工字典和多成分字典有更大的可嵌入容量,同时也拥有更好的抗隐写分析性能。(3)非负约束下的学习型冗余字典在稀疏域隐写术中的研究针对冗余字典在二值化过程中会引入一定量化误差的缺陷,在字典构造过程中加入非负性约束,即用非负的学习算法来生成字典。并比较了非负学习型字典和一般学习型字典的性能差异,包括嵌入容量,抗隐写分析能力,以及在改进了嵌入法则后的抗隐写分析能力。实验结果表明,与一般学习型字典相比虽然可嵌入容量略微有下降,但在抗隐写分析性能上也有了一定的提升,特别是采用了改进后的嵌入法则之后。总体来说,非负学习型字典中的非负ICA字典各方面性能最好,更适用于稀疏域的隐写。