本论文的工作是研究自适应图像压缩方法，包括对静态和运动图像的自适应压缩。对静态图像自适应压缩研究的主要工作是在上一届同学的自适应分块压缩研究的基础上，探讨了自适应量化方法，并将两者结合，提出了本文的自适应静态图像压缩算法。图像的频域能量分布在平滑区和非平滑区有着不同的特征。表现在离散余弦变换(DCT)域中是平滑区的DCT重要系数分布集中，可忽略的非重要系数比非平滑区多，这是自适应分块压缩的理论基础。本文通过大量的实验发现，尽管非平滑区中的重要系数分布不如平滑区那样集中，但是通过排序可以建立对大幅值系数小步长量化和小幅值系数大步长量化的自适应量化方法，进一步对量化后的重要系数及其地址数据按照自身统计规律进行熵编码，可以提高对非平滑区的压缩比，并且使恢复质量也得以提高。仿真实验表明本文算法与JPEG方法相比，对各种图像都能在保证恢复图像质量的同时有效提高压缩比。 对运动图像自适应压缩研究的主要工作包括：(1)通过定义一种块运动性测度对帧中宏块进行基于运动性的分类，并结合多数表决原理和块匹配运动搜索准则实现自适应运动补偿。在运动搜索前通过块运动性测度将块初步分成静态块和运动块，对运动块进行运动搜索，对于静态块直接设运动矢量为零，以此减少大量的运算成本。(2)在块运动性测度的基础上定义帧相关性测度来衡量帧的相关性。在由于镜头切换或场景突变等原因造成的帧相关性急剧下降处设立Ⅰ帧，将最小编解码单元严格控制在帧间相关性强的同一组镜头或场景内，提高了帧间预测编码的效率。(3)对帧内宏块运动补偿所得残差场拼接成的残差帧采用基于自适应分块的压缩方法。由于残差帧具有大片的平滑区，采用自适应分块的压缩方法可以显著提高压缩率。实验表明本算法有效实现了对视频场景切换的准确定位，在基本保证解码图像质量的同时提高了压缩比，降低了运算成本。