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。目前各种图像压缩标准和方法主要面向二维普通图像，而超光谱遥感图像作为三维立体图像，还没有成熟且适合实际应用的压缩方法。本文对超光谱遥感图像的压缩算法进行研究。 首先从相关性的角度对超光谱遥感图像进行了测试。结果表明：超光谱遥感图像有很强的谱间结构相关性和谱间统计相关性，远高于普通彩色图像；而其空间相关性则比普通图像低。因此超光谱遥感图像压缩算法设计应将重点放在去除谱间相关性上。 提出了近最小生成树算法。针对最小生成树算法计算量大的缺点，构造近最小生成树算法，近最小生成树算法通过生成抽样图的最小生成树，通过图的扩展得到原始图像的近最小生成树，将其作为预测树对超光谱图像进行去相关处理。近最小生成树算法与最小生成树算法相比，预测树的构造速度提高一个数量级以上，而压缩比降低了不到5％。 提出了基于位平面变换的压缩算法。首先构造了一种新的图像变换一位平面变换，给出了位平面变换的性质并且研究了其在图像压缩中的应用。以位平面变换为核心，给出位平面变换压缩算法。在超光谱图像中，各波段图像高位平面图和低位平面图所具有的谱间相关性是不一样的，高位的相关性远远大于低位。位平面变换算法考虑了各位平面图像相关性的差异，将运算集中在去除高位相关性上，大大提高了运算效率。位平面变换算法的理论运算复杂度为O(N)量级(N为图像中像素的个数)，低于其它常用的图像变换；压缩比达到了1.9以上，与其它超光谱图像压缩算法相当。位平面变换算法具有很好的并行性。高位数据和低位数据的处理过程独立，各位的变换矩阵均可独立地进行运算和编码，而且不需要同步处理也不涉及相互通信问题。从应用的角度看，位平面变换算法的运算简单，适合硬件实现。