尽管数据存储技术不断发展、信道传输带宽不断加宽,但人们对于压缩图像数据以节省数据存储空间和提高信道利用率的需求仍在增长。图像的无损压缩相对有损压缩来说更加困难,取得的进展也更小。目前,基于小波的图像压缩方法是图像压缩领域发展较快的一个分支,提升方法能够方便的构造从整数到整数的小波,为图像的无损压缩研究提供了有力的工具。而对小波系数编码的方法是实现图像压缩的关键技术,不仅关系到图像的最终压缩效果、也关系到图像的恢复质量和编解码的时间消耗。本文对小波的研究主要集中在提升方法上,该方法属于第二代构造小波的新方法,具有既继承了第一代小波的特性,又不依赖于傅里叶变换,同时便于构造非线性小波(如:整数小波)的特点。本文对提升方法的原理和其中的关键技术作了详细的阐述和讨论,特别是对用提升方法实现从整数到整数的小波作了全面、细致的分析。并选择了9/7-F、9/7-M和5/3三种传统用于图像压缩的小波来用提升方法实现从整数到整数的小波,为后面进一步研究系数编码做好准备。基于分级量化的重要性测试编码是小波系数编码方法中重要的一类方法。这类方法具有复杂度低、性能好等诸多优点,嵌入式零树编码算法(EZW,the Embedded Zerotree Wavelet algorithm )、可逆嵌入小波压缩(CREW,Compression with Reversible Embedded Wavelets)、分层树集合分割算法(SPIHT,Set Partitioning In Hierarchiacal Trees)、嵌入式块集合分割算法(SPECK,the Set Partition Embedded bloCK coder)等经典的基于小波的图像压缩编码算法都属于这一类型的方法。本文对该类方法进行了全面和深入的研究,探讨了基于该方法的图像无损压缩编码算法,以改善图像无损压缩的性能,这是本文研究的重点。对SPIHT和SPECK这两种先进的、有代表性的算法本文作了详细和全面的分析与讨论。在此基础上,本文提出了自己的基于分级量化的重要性测试编码的算法,该算法除了在集合分类策略和搜索策略上采用了新的方法外,还采用了截断量化和对特殊bit组合进行编码等方法来改善图像无损压缩的性能,同时又不影响有损压缩的性能。本文算法在无损压缩性能、执行速度和有损压缩性能上同SPIHT、SPECK算法做了比较,都优于这两种算法。 <WP=5>另外,本文对算术编码,特别是它的实现作了研究,主要是为了探讨将该方法与本文的算法相结合,进一步提高图像压缩性能的可能性。从实际情况来看,这一想法是可行的。