随着多光谱遥感技术的发展,多光谱图像的压缩受到越来越多的关注.由于遥感图像数据对地物分析和识别有非常重要的作用,因此大多数情况下希望在遥感图像压缩中尽量减少信息损失,即进行无损/近无损压缩.该文在对一些目前已有的多光谱图像压缩方法进行深入研究的基础上,分别利用K-L变换和神经网络的方法实现了遥感图像的压缩.该文首先讲述了图像压缩的意义,对现有的图像压缩编码方法进行了概括,并对多光谱遥感图像的压缩技术作了简要的介绍.然后从信息论的角度对信息编码理论进行了总结,回顾了目前常用的各种编码方法,并对算术编码进行了详细的讨论.接着详细研究了K-L变换原理和整型小波的构造方法,编程实现了结合K-L变换和整数小波变换的多光谱图像压缩算法,该算法将K-L变换用于去除多光谱遥感图像的谱间冗余,在谱内则使用整型小波方法去除空间冗余.实验结果表明,对机载64波段多光谱遥感图像进行K-L变换和整数小波变换后,选用五个本征子图像重建原图像,压缩比可以达到11以上,峰值信噪比则超过45dB,取得了其它方法无法获得的效果.该方法主要的优点是可以通过控制选取保留的本征值个数来调整误差,使得舍入误差控制在要求的范围内.最后讨论了基于神经网络的主分量分析(PCA)方法,该方法通过迭代来提取主分量,克服了K-L变换计算复杂且需要大量存贮空间的缺点.实验结果表明,该方法完全可以达到与K-L变换相当的压缩效果.