针对星载多光谱图像压缩，提出了基于子带谱间变换的压缩算法。该算法首先对多光谱图像序列的每个波段分别进行空间二维小波变换，以此去除多光谱图像的空间相关性;为了去除多光谱图像的谱间相关性，将小波分解后的每一层子带作为整体，采用串行成对变换的方式对两个波段进行子带谱间KLT变换;最后,利用最优截断的嵌入式块编码算法对变换后的所有主成分同时进行最优率失真压缩。实验结果表明，该算法能够获得较好的压缩性能，同时具有较低的编码复杂度，适用于星载多光谱图像的压缩。

高光谱图像庞大的数据量给存储与传输带来巨大挑战，必须采用有效的压缩算法对其进行压缩。提出了一种基于分类的高光谱图像有损压缩算法。首先利用C均值算法对高光谱图像进行无监督光谱分类。根据分类图，针对每一类数据分别采用自适应KLT（Karhunen-Loève transform）进行谱间去相关；然后对每个主成分分别进行二维小波变换。为了获得最佳的率失真性能，采用EBCOT（Embedded Block Coding with Optimized Truncation）算法对所有的主成分进行联合率失真编码。实验结果表明，所提出算法的有损压缩性能优于其它经典的压缩算法。

针对超光谱图像压缩进行了研究，提出了一种有效的基于分布式信源编码(Distributed Source Coding, DSC)的有损压缩算法。该算法利用多元陪集码和标量量化的方式实现超光谱图像的分布式有损压缩，针对分布式信源编码，利用多波段预测的方式为每个编码块构造边信息，然后采用标量量化的方式对编码块和其边信息同时进行量化处理。根据分布式信源编码原理，给出了各编码块量化后的编码码率。为了减少标量量化带来的信息丢失，算法引入了跳跃策越。部分均方误差意义上损失较大的编码块将由其边信息直接代替。实验结果表明，所提出的算法性能与基于小波变换的算法性能相当；此外，该算法复杂度较低，适合星载超光谱图像的压缩。

内插双正交整数小波变换(IWT)支持高效的图像无损压缩并且具有较低计算复杂度，但是为了保证整数输出，变换中包含了浮点数缩放因子并额外增加了三个提升步骤，降低了整数小波变换对图像的有损压缩效率。提出了一种基于优化因子的静止图像编码算法。在小波变换过程中，新算法利用一组基于2的整数次幂的分数代替浮点数缩放因子，消除变换中的浮点数乘法操作，降低变换的计算复杂度。实验结果表明，采用优化因子的图像压缩算法不仅有效降低了编码中小波变换的计算复杂度，而且获得了与采用浮点数缩放因子的内插双正交整数小波变换相近的峰值信噪比。

为了解决困扰靶场的海量光学测量图像信息存储和传输问题，在满足光测数据处理精度前提下实现较高的压缩比，根据靶场光测数字图像特点，采用H．264的编码方案对目标区域和背景区域进行编码，得到了70倍压缩图像数据和压缩前后目标在图像坐标系中的坐标结果。结果表明，光测数字图像无损压缩技术实现了背景区域的高倍压缩和对目标区域的无损压缩，从而既满足了靶场数据处理精度需求又大大减少了测量图像信息量，该技术可对标准位图图像进行处理，符合国内各靶场的测量图像标准，可在其它靶场广泛推广。

提出了一种有效的多光谱遥感图像有损压缩算法,该算法根据多光谱遥感图像的数据特点,将IHS变换和整数小波变换相结合进行数据压缩。采用IHS变换去除谱间相关性;采用整数小波变换去除空间相关性,依据各个子带的重要程度,用自适应阈值进行量化,并分别对量化后的数据和重要图表采用固定比特平面编码和游程编码。实验结果表明,算法在保证平均PSNR≥33dB时,获得了较高的压缩比,并且算法硬件实现简单,对内存的需求低。

将三维多级树集合分裂(3D SPIHT)算法用于高光谱图像的压缩。根据高光谱图像的特点进行波段分组以得到处理单元,对各组分别进行三维小波变换,去除谱间和谱内冗余;利用3D SPIHT算法对变换后小波系数进行编码,去除系数之间的冗余。采用整数小波和浮点小波分别进行无损和有损压缩仿真,AVIRIS和OMIS实验结果表明,在bit/pixel为1的条件下,平均PSNR比准三维方法分别高0.91 dB和1.38 dB,且算法具有嵌入式、可伸缩性等优点,但无损压缩的平均bit/pixel比基于预测的方法高0.308和0.159。3D SPIHT算法用于高光谱图像压缩可以获得较好的有损性能,但无损压缩性能逊于基于预测的方法。