数字图像在当今信息领域所占比重日益增大并发挥着重要作用，因此，图像信息的处理、存储和传输在各个领域中都面临着巨大的挑战。图像压缩技术可以有效缓解图像巨大数据量的存储和传输负担。其中有损至无损渐进压缩技术在当前许多领域具有应用背景和应用价值。例如，对获取代价昂贵的高光谱图像，无损压缩对保存其源信息的价值具有重要意义；利用感兴趣区域自动提取算法和基于形状自适应整型变换的有损至无损渐进压缩技术，可以满足感兴趣区域无损而背景区域有损的需求,既能保留关键区域的信息又能尽可能减少存储数据量。本论文从可逆整型变换原理、基于可逆整型变换的图像压缩和基于感兴趣区域划分的图像压缩这三个基本方面展开对图像压缩的相关理论和技术问题的研究。论文内容主要工作包括以下五点：1.提出一种基于矩阵分解可逆Karhunen-Loeve(KL)变换三维彩色图像渐进压缩算法。相对于传统基于KL变换的算法，本章主要在两方面进行改进。首先采用全局选主元的矩阵分解算法将KL变换矩阵解为三角基本可逆矩阵，实现完全可逆整型变换，实验证明该方法的变换效率更近似于原浮点型变换。其次采用集合块分裂编码算法对变换系数编码，实验证明该方法是一种高效编码算法。与传统基于KL变换的算法相比，本论文提出的压缩算法既可以实现有损压缩也可以实现无损压缩，而且以全局选主元的矩阵分解算法实现整型变换，运算简单。2.提出一种基于动态规划低复杂度可逆整型KL变换的彩色图像压缩算法。目前所应用的完全可逆整型KL变换计算复杂度很高，时间代价很大，而且其与浮点型KL变换的近似度存在一定误差，其变换精度也有待于提高。本文针对以上提到的变换方法存在的两个不足，提出了基于动态规划低复杂度可逆整型KL变换方法。通过对彩色图像的压缩实验，验证了新方法不仅大大降低了可逆整型变换的计算复杂度，变换精度也得到了进一步提升，与浮点型KL变换的近似度进一步增加。3.提出一种基于频谱重叠KL变换的多光谱图像压缩算法。多光谱图像所包含的数据量巨大，采用普通KL变换进行整体的频域去相关操作将付出很大的时间代价，因此需要对多光谱图像数据进行频域块，再采用KL变换对其进行处理。传统的基于块的KL变换在块相邻边界处会引起谱曲线的失真。针对这一问题，提出了一种由预滤波和普通KL变换构成的频谱重叠KL变换算法，将其应用于多光谱图像压缩。实验证明，频谱重叠KL变换算法有效的解决了普通KL变换算法引起的块边界失真问题，其频域去相关性能优于普通KL变换算法，更适用于多光谱图像压缩问题，能够得到良好的有损压缩性能。4.提出了基于特征标度核Fisher判别分析和特征提取的多光谱图像分类方法。作为基于感兴趣区域编码系统中的关键技术，形状自适应变换和编码方法多年来一直吸引了众多的关注和研究，但对感兴趣区域的自动精确提取却并不重视，如果感兴趣区域只是粗略的划分，则在形成感兴趣区域掩码的过程中则会产生冗余信息，对感兴趣区域编码算法的性能造成影响。本论文针对此问题，提出了基于特征标度核Fisher判别分析(FS-KFDA)和特征提取的多光谱图像分类方法，通过对多光谱图像成像机理的讨论，充分利用了多光谱图像的频域、空域信息和特征标度核Fisher判别分析的优越性能。通过对多光谱图像的实验表明，该方法对感兴趣区域的划分达到了理想的效果。5.提出了结合图像帧间信息分析和FS-KFDA的极光序列图像感兴趣区域(ROI)检测算法。主要工作包括以下两点。(1)从极光序列图像的特性分析出发，研究极光序列图像所特有的属性。该图像类似于多光谱图像，每帧之间都有着相关性并包含着重要信息，这就等同于多光谱图像的频域信息。因此，除了在每帧上提取空域信息之外，重点讨论了频域上的可用信息，提出了基于离散小波变换的频域特征提取方法。(2)研究特征标度核Fisher判别分析方法在极光序列图像上的适用性，利用由空域纹理特征值和频域统计特征值组成的特征值向量对其进行训练，得到适合于序列图像特性的分类器。通过实验证明，新方法可以很好的充分利用图像所携带的信息，并能训练出性能良好的感兴趣区域分类器。