多光谱图像的有效压缩已经成为遥感领域亟待解决的难题。针对星载多光谱成像仪获取的多光谱图像，提出了一种基于分块KLT（Karhunen-Loève transform, 卡胡南-洛维变换）的低复杂度有损压缩算法。该算法首先对每个波段分别进行空间二维小波变换，以去除多光谱图像的空间相关性；然后将每个波段分成互不重叠且大小相等的图像块，每次仅对相邻两个波段的对应图像块进行谱间KLT 变换，以去除谱间相关性；最后对变换后的所有波段进行联合EBCOT（Embedded Block Codingwith Optimized Truncation，最优截断的嵌入式块编码）压缩。实验结果表明，该算法的压缩性能优于基于整体KLT 的多光谱图像压缩算法，并且具有较低的编码复杂度。

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。

随着数据量的不断增长， 如何有效压缩高光谱图像成为影响其普及应用的一个关键问题。 近年来， 小波压缩技术已经被证明是高光谱图像压缩方法中很有发展前景的一个， 但由于其对高光谱图像特性的利用较为有限而使其性能的进一步提升受到了限制。 文章根据高光谱图像的光谱特征， 提出了一种基于光谱去相关的高光谱图像小波压缩方法， 设计了分块预测方法来同时去除光谱间相关性和空间相关性， 并将其应用于小波压缩方法之中。 首先， 将高光谱图像分为几个具有高谱间相关性的图像块。 然后推导出各块中波段的近似成比例的特性， 并在各块分别进行基于这一特性和超光谱图像其他特性设计波段预测编码。 最后， 将预测用的参考波段和预测后获得的偏差数据， 通过小波编码技术进行压缩。 实验结果表明， 所设计的方法与目前先进的超光谱压缩技术相比其性能有显著的提升。 与AT-3DSPIHT算法比较， 最高PSNR或SNR提升幅度均能达到4.2 dB左右。 此外， 此方法在低比特率下的优势也十分突出。