图像携带着大量有用信息,随着计算机软硬件的发展,图像的高效压缩显得极为重要。常见图像压缩方法有：统计编码、变换编码、矢量量化编码、预测编码等。其中,变换编码下小波变换编码图像时,有很高的压缩比和较好的编码质量。本文主要研究图像小波变换后的Sign符号流,通过对它们建立Context模型,量化模型,进行压缩研究。基于“条件降低嫡值”这一理论,传统方法是通过降低模型阶数、减少对象的取值范围来有效组织小波系数,在解决“模型代价”的同时,有效压缩图像。与传统方法相比,本文提出一种新的方法,在增加模型阶数、扩大对象取值范围的情况下,实现图像有效压缩。通过使用散列算法来有效统计模型下小波系数的条件概率,在经层次聚类算法凝聚后,得到一张关于小波系数的映射表,基于此映射表可有效组织小波系数,不仅很好解决了Context模型的“模型代价”问题,相比于传统方法,二次编码更能有效压缩原图像。本文还就映射表的通用性展开研究,一定使用范围内可以接受。