高光谱图像的数据量非常庞大,给数据的存储和传输带来困难,同时高光谱图像的数据非常宝贵,有损压缩会对后续应用造成无法估量的影响,因而无损压缩成为首选方案。高光谱图像同时具有空间相关和谱间相关特性,且谱间相关性远大于空间相关性,针对高光谱图像的上述特点,论文研究高光谱图像无损压缩算法,以尽可能的去除数据间的冗余性,提高高光谱数据存储与传输效率。　　 论文首先从相关性的角度对高光谱图像的特点进行分析,然后介绍了针对高光谱图像的一般无损压缩方法。其中基于预测的高光谱图像无损压缩算法原理简单,且易于实现,特别是针对高光谱图像谱间相关性大的特点,预测编码的算法能够高效的去除谱间冗余度,因此论文的重点是研究基于预测的高光谱图像无损压缩算法,论文主要研究内容与成果如下:　　 一、基于查找表的高光谱图像无损压缩方法通过查找表预测和更新获得残差图像,编码后实现无损压缩,查找表的预测值的选取受到查找表个数的限制,选择范围不大.虽然通过多个波段联合预测或者分配多个查找表能够增加更多预测值的候选值,但是这会使预测的复杂度大大增加,同时过多的查找表也占据了本来需要节约的存储空间,论文在基于查找表的预测方法上提出了一种改进方案,改进方案中我们在不增加查找表个数的前提下,通过引入更多较为准确的预测值,使预测过程更加准确,提高了无损压缩效果。　　 二、在利用查找表的方法进行预测时,通常都是选取前一个或若干个相邻波段作为参考波段,但是并不是所有的相邻波段的相关性都是最强的,存在一些相邻波段的相关性较差的情况,我们依据波段的谱间相关性强弱对高光谱图像的参考波段进行优化,在查找表的预测过程中通过重新选取参考波段,取得了更好的无损压缩结果。　　 三、维纳预测的高光谱图像无损压缩方法包括维纳预测和反向搜索两个过程,但维纳预测值的获取非常复杂。而基于谱间局部预测的查找表无损压缩方法虽然预测过程比较准确,但是查找表需要大量的存储空间。为克服两种方法的不足同时将两种方法的优点有效结合,论文将谱间局部预测和反向搜索方案结合起来,提出一种改进的无损压缩方案。该压缩方案将谱间局部预测值作为预测参考值,在反向搜索的过程中,逐步提高预测的准确度,预测过程简单,且无需使用查找表,节约了大量存储空间。相关实验表明改进压缩方案所获无损压缩效果优于查找表方法。