在对地遥感观测中,超光谱遥感图像是一种重要的数据源,在军民两方面都有广泛的应用。由于超光谱遥感图像的数据庞大,在存储和传输过程中必须进行压缩处理,而超光谱遥感图像作为三维立体图像不同于二维普通图像,其特点是:超光谱遥感图像同时具有空间相关性和谱间相关性,其中谱间相关性高于空间相关性。由于目前还没有形成一套成熟或标准的超光谱图像压缩技术,本文对超光谱遥感图像的压缩算法进行研究。首先介绍了针对超光谱图像的一般压缩算法,分别是变换压缩技术、矢量量化技术和预测编码技术三种。对几种典型无损压缩算法的压缩比进行比较,发现无损压缩时预测算法优于变换算法,但预测算法仅针对二维平面,去除三维相关性的能力有限,因此需要针对超光谱图像特点设计三维预测方法。将图像二维预测推广到三维预测时,通过借鉴去相关的各种方法,分别设计了三维最优组合预测,三维局部上下文预测和基于谱间上下文预测算法。其中最优组合预测方法,无需考虑谱内与谱间预测精度的不同,只要进行最优组合就有较高的预测精度,缺点是需要对谱内和谱间的预测误差进行统计,无法满足实时性要求;而采用局部上下文模型预测方法,进行三维预测时,势必要牺牲光谱维的预测精度,从而降低整体预测精度,使残差图像的行、列及谱间相关性较高,三维去相关能力有限;谱间上下文预测方法,针对超光谱图像谱间相关性强的特点,把谱间像素值作为预测基准值,通过考察与判断谱间变化趋势对预测基准值进行修正,设计的三种谱间上下文预测模型(谱间梯度、谱间增益、谱间LOCO-Ⅰ)的预测效果均好于局部三维上下文预测方法。其中谱间LOCO—Ⅰ预测算法继承了中值边界检测(MED)的优点,三维方向上去相关能力最佳。位平面变换是全新的变换技术,为克服谱间一维位平面变换时只在相邻像素值接近才会有去相关能力的缺点,本文提出了三维位平面变换算法,首先对位平面矩阵进行水平方向上的同或运算,然后再将所得到的矩阵进行垂直方向的同或运算,最后对空间位平面变换结束后所得到的变换矩阵还要进行谱间位平面变换。三维位平面变换与谱间位平面变换一样,易于硬件实现,位平面变换过程中所进行的运算为逻辑运算,各位的变换矩阵均可独立地进行运算和编码,具有并行性。