可视秘密共享是在秘密共享的基础上发展而来的对秘密图像的共享。目前可视秘密共享方案的瓶颈是通信效率、密图重构效率和质量等问题。基于神经网络的可视秘密共享方案是秘密共享理论研究的新方向，其基本思想是将秘密共享过程归结为一个分类的过程。方案提供灵活的访问方式和授权方式，并具有最小扩展像素和多项式形式的最佳上界，同时在通信效率、秘密重构效率和质量上都具有相当优势。　　本文对基于神经网络的可视秘密共享理论进行深入研究，研究成果如下：　　1、系统的阐述密码学、秘密共享、神经网络、图像处理、可视秘密共享的理论基础，并提出了一种基于权重的可视秘密共享方案。该方案充分考虑到应用中图像的主次信息区别以及参与者权限的不同等问题，生成的图像与原图相比几乎没有任何失真。　　2、分析了一种基于神经网络的秘密共享方案，并在此基础上提出了基于神经网络的多秘密共享方案。对这两种方案的神经网络模型，训练算法，分存的分发和重构以及安全性进行研究，举出实例，说明方案的实用性和有效性。　　3、在分析基于Q’tron神经网络的可视秘密共享方案的基础上，提出了一种新的基于pi-sigma神经网络的可视秘密共享方案。该方案利用pi-sigma神经网络的并行分类能力，降低了信息通信率，具有指数形式的最佳上界，并且区分了密图中主次信息的区别，在共享效率和灵活性上都有较大改进。　　4、提出了基于pi-sigma神经网络的可验证可视秘密共享方案和基于神经网络的可压缩可视秘密共享方案。可验证可视秘密共享方案采用概率数字签名的算法对分发中心和参与者进行验证，保障他们的诚实性和分存的正确性。可压缩可视秘密共享方案首先利用高阶神经网络对密图进行压缩。其训练算法采用粒子群算法，密图恢复时可根据实际要求恢复原密图或者压缩密图。这两种方案在安全性和实用性上对基于神经网络的可视秘密共享方案进行扩展。