1.基于HSI空间分割算法的图像隐写方法，其特征在于，包括以下步骤：步骤S1，获取输入的彩色载体图像和待嵌入的秘密信息；

步骤S2，将获取的彩色载体图像作为原始载体图像，并将该原始载体图像分解为包括H分量、S分量和I分量的HSI色彩空间；

步骤S3，分别对原始载体图像分解后所得HSI色彩空间内的H分量、S分量和I分量进行分割处理，得到分割处理后载体图像；

步骤S4，对分割处理后载体图像做边缘增强处理，得到边缘增强处理后载体图像；

步骤S5，将边缘增强处理后载体图像和待嵌入的秘密信息输入到信息隐藏网络进行嵌入操作，以把秘密信息嵌入到该边缘增强处理后载体图像，得到载密图像；

步骤S6，利用信息提取网络对载密图像做秘密信息提取处理，得到被嵌入的秘密信息；

其中：

在步骤S3中，对原始载体图像分解后所得HSI色彩空间内的H分量、S分量和I分量进行分割处理的过程包括如下步骤：步骤S31，利用S分量区分所述HSI色彩空间中的高饱和区和低饱和区；

步骤S32，利用H分量对高饱和区进行分割；

步骤S33，利用I分量对低饱和区进行分割；

并且，步骤S32和步骤S33均采用K‑均值聚类方法执行各自对应的分割操作；其中，采用K‑均值聚类方法执行对应分割操作的约束条件如下：；

；

其中，EP表示高饱和区P内所有特征点与各自对应聚类均值之间距离平方和的和值，xP=(x1,x2)为高饱和区P内一个特征点的坐标，gP(xP)代表特征点坐标xP位置处的特征值，表示针对高饱和区P在第i次迭代后赋给类j的特征点集合，i≥1； 表示高饱和区P内第i+1次迭代后所对应类j的均值；KP表示高饱和区P内聚类的总数量；

EQ表示低饱和区Q内所有特征点与各自对应聚类均值之间距离平方和的和值，xQ=(x1,x2)为低饱和区Q内一个特征点的坐标，gQ(xQ)代表特征点坐标xQ位置处的特征值， 表示针对低饱和区Q在第i次迭代后赋给类j的特征点集合，i≥1； 表示低饱和区Q内第i+1次迭代后所对应类j的均值；KQ表示低饱和区Q内聚类的总数量；

其中，采用K‑均值聚类方法执行对应区域分割操作的过程如下：步骤a1，基于肘部法及误差平方和变化趋势确定选出待执行分割操作区域中的K个初始类的像素值均值；其中：；

其中，SSE表示误差平方和，Ck表示聚类集群中的第k个聚类，K为当误差平方和SSE变化趋势出现拐点时所对应的数值，该K即为需要的聚类数量；mk表示聚类Ck中心像素点的数值，c是聚类Ck中的样本数据；待执行分割操作区域标记为G，G为高饱和区P或者低饱和区Q；

步骤a2，在执行第i次迭代时，根据聚类准则将每个特征点赋给K个初始类中的对应聚类；其中，对 于待执行分割 操作区域G内的 任一个特征点 ，如 果， ， ， ，则将该特征点x赋给位于K个初始

类中且均值距离该特征点x最近的聚类；

步骤a3，对于K个初始类中所有的聚类，更新每一个聚类中所有数值点的均值；其中，待执行分割操作区域G在执行第i+1次迭代后所对应聚类j的均值标记为 ：；

其中，Nj是待执行分割操作区域G所对应所有聚类中不同数值点的数量；

步骤a4，对于待执行分割操作区域中的所有聚类，根据所得所有的更新后均值做出判断处理：当任一聚类中所有像素点的像素值均值满足 时，表明已经完成对当前待执行分割操作区域的聚类分割操作，不再执行迭代操作；否则，转入步骤a2，继续下一次迭代操作；

在步骤S4中，对分割处理后载体图像做边缘增强处理的过程如下：步骤b1，对所述分割处理后载体图像中各分割区域的边界做中值滤波器平滑处理，分别得到对应的平滑处理后分割区域；

步骤b2，采用3×3的滤波器分别对各平滑处理后分割区域的边界进行处理，分别得到对应的边界处理后分割区域；

步骤b3，将各边界处理后分割区域重新叠加到所述原始载体图像上，得到边缘增强处理后载体图像；

并且，在步骤S31中，利用S分量采用类内最小模糊散度阈值区分高饱和区和低饱和区；

其中，最小模糊散度标记为D(P:Q)：

；

；

；

； ；

， ， ；

； ；

， ， ， ；

； ；

其中，P为S分量区域上的高饱和区，Q为S分量区域上的低饱和区，Card(S)是S分量区域的基数，s为S分量区域上的图像像素值，D(P,Q;s)表示高饱和区P相对于低饱和区Q的对称交叉熵，D(Q,P;s)表示低饱和区Q相对于高饱和区P的对称交叉熵， 为高饱和区P的隶属度函数， 为低饱和区Q的隶属度函数； 为高饱和区P的非隶属度函数， 为低饱和区Q的非隶属度函数；MP为高饱和区P的平均像素值，MQ为低饱和区Q的平均像素值，为高饱和区P中像素值都是s的像素数量总和，LP表示高饱和区P中像素值s的最大数值， 为低饱和区Q中像素值都是s的像素数量总和，LQ表示低饱和区Q中像素值s的最大数值。