图像是人们获取信息的重要来源，特别是图像的数字化后，数字图像在传输和存储的广泛应用过程中，经常遇到数字图像数据量巨大，而传输带宽和存储容量有限的矛盾。因此，如何减少这些数字图像的数据量，就成为数字图像处理中的一个重要任务。本论文对基于小波变换的图像压缩进行了研究，主要包括以下内容： 1.小波图像压缩研究 小波图像压缩是一种有别于传统的DCT图像压缩，小波变换是一种时频分解，每个小波系数都反映图像的一个特定的空间范围和特定的频率范围内的信息。一般说来，一幅典型自然图像主要是由平坦区域和纹理区域以及相当少的视觉敏感的边界组成的，平坦区域的跳变很少，主要是由低频成分组成；纹理区域则具有一定的跳变，因此这部分区域既含有部分高频成分又包含部分低频成分，而边界区域则具有极大的跳变，这部分区域则集中了图像绝大部分的高频能量。小波变换将图像的绝大部分能量压缩到低频子带中，只有少数的能量分布在个高频子带。图像小波变换系数具有下面几个统计特性：空频局部化，能量压缩特性，子带内小波系数的聚类特性，子带间小波系数的相似性，小波系数幅度从低频子带到高频子带的衰减特性。这些特性能够使得小波变换取得比DCT变换更好的压缩性能。有许多利用这些小波系数特点的成功小波压缩算法，包括EZW、SPIHT和EBCOT，本文对这些算法进行了归纳，对实际应用具有一定的指导意义。 2.MC-SPIHT小波视频压缩方法 基于小波变换的静态图像压缩标准JPEG2000已经制定，因此小波变换在静止图像压缩上已经取得成功。而将小波变换应用到视频编码是目前研究的热点。本文提出一种MC-SPIHT的小波视频压缩方法，MC-SPIHT在运动预测采用HVSBM运动预测方法，时域滤波采用MCTF方法，在众多的小波编码器中，SPIHT编码器不仅编码结构优良，而且算法简单，本文将SPIHT作为小波视频压缩算法中的时域帧小波编码方法，本文的MC-SPIHT编码性能在中等压缩码率与H264基类有相当的压缩性能。 在MC-SPIHT编码方法中，时域haar滤波和二维空间二维小波变换都是浮点运算，本文对haar滤波和二维空间小波变换的小波系数进行修正，得到一种整数haar时域滤波和整数二维空间小波变换，得到一种整数MC-SPIHT编码方法，与MC-SPIHT编码比较，编码性能几乎没有下降。 3.分级SMC-SPIHT小波视频压缩方法 随着视频压缩的广泛应用，不同性能视频解码终端设备，丰富的传输媒介，传统的无分级能力的视频压缩标准很难适合这些新应用。而分级视频压缩能很好满足这些新应用，MPEG2、MPEG4都有分级视频压缩能力，但由于基于运动预测/运动补偿的反馈环技术，使得实现复杂、压缩效率低下、误差累计的缺点。而基于小波变换的视频压缩却很容易实现分级特性，基于本文的MC-SPIHT实现了分级SMC-SPIHT，SMC-SPIHT支持质量分级特性，并且编码性能与MC-SPIHT比较几乎没有下降。 4.小波图像压缩硬件实现研究 基于小波变换的静态图像压缩标准JPEG2000压缩性能优秀，而应用于视频的MJPEG2000压缩性能也非常优秀，在某些视频压缩效率上和MPEG2相当。在攻读博士学位期间，设计和实现了基于专用芯片的JPEG2000实时编解码器，实现了标清电视格式的JPEG2000实时编码和解码。