近年来，随着计算机网络以及现代通信技术的迅猛发展，迫切需要对庞大的图像数据进行压缩处理，由此图像编码压缩技术目前已经发展成为当前的一个研究热点。目前常见的主要编码方法有：熵编码，预测编码，变换编码，统计编码，子带编码，分形编码，模型编码，矢量量化编码，神经网络编码，小波变换编码等等。 小波分析是当前数学中一个迅速发展的新领域，因其克服了傅立叶变换的局限性，且具有良好的时一频局部化性质和多分辨率性，而得到迅速发展和广泛应用。小波图像编码是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变，且在传递过程中可以抗干扰。嵌入式零树算法则是目前小波编码中较为有效的算法之一，它通过对小波变换后的系数特点进行分析，并对其进行有效组织和编码，提高了编码效率。 本文主要研究基于小波变换的图像编码压缩方法。首先概述了图像编码理论的基本原理和方法，介绍了一些常见的压缩方法和一些静态图像编码国际标准。 然后，系统介绍了小波分析理论，尤其讨论了小波变换的多分辨率分析理论和快速Mallat算法。 接着，分析研究了Sweldens提出的新的小波构造方法--提升方案(LiftingScheme)，讨论了用提升方法构造可逆整数小波变换的方法，给出了一种新的自适应整数小波提升算法。G. Piella提出的具有完全重构功能的自适应提升结构，由于它严格限制了更新步骤中滤波器系数之和为1，使得不易用它构造整数变换。为了得到整数变换，本文将它推广到更一般的情形。该算法对图像中的边缘点和均匀区域区别对待，而且整数变换不会产生舍入误差。这些性质在数字图像数据压缩中具有重要应用。 最后重点对基于小波变换的嵌入式小波编码算法进行了详细的讨论，比较分析了当前主要的三种嵌入式小波编码算法：EZW算法，SPIHT算法以及SPECK算法。针对EZW算法的一些不足，论文给出了基于该算法的改进算法。经过Matlab仿真软件验证结果表明：本论文提出的压缩方法计算简单、压缩比高，较已有的小波零树压缩编码，在高压缩比的时候，效果更佳。与基于传统小波变换及零树量化的方法相比，运算简洁，速度快，重构图像质量高，取得了令人满意的效果。