多光谱图像能够实现物体空间信息和光谱信息的同步获取，正是由于这个独特的优势，多光谱图像在越来越广泛的领域内得到了应用。但光谱信息的增加使得多光谱图像具有数据量大的特点，这给多光谱图像数据的存储和传输带来了不利，严重制约着后续的应用。目前，人们在二维图像压缩方法的基础上，研究出了多种适用于多光谱图像的压缩方法。本文工作主要是研究基于预测技术的多光谱图像无损压缩技术。多光谱图像是不同于一般二维图像的三维图像，本文从分析多光谱图像的特性出发，研究了主流的压缩方法，鉴于单波段二维图像压缩方法已经比较成熟，工作重点放在如何更大程度地去除多光谱图像的谱间冗余上，设计并实现了一种多光谱图像分组预测无损压缩算法，算法先对多光谱图像进行分组，在组内进行最优双向选择预测并用JPEG-LS对最终参考波段和差值图像进行谱内压缩编码。由于多光谱图像在光谱维常会表现出非平稳性，即谱间相关性并非随间隔波段的多少呈现某种规律变化。又因为采用预测的方法对图像去冗余时，在预测值与被预测值具有高度相关性的情况下，能得到熵值更小的差值，有利于压缩编码。这些都体现出了对多光谱图像进行分组的必要性。本文研究了现有的分组方法，指出了其中存在的问题，把吸引力传播聚类成功应用于多光谱图像的分组，并针对于多光谱图像，提出了评价最优聚类结果的指标。基于多光谱图像的特性分析，充分结合一阶线性最优预测和双向预测这两种预测方式的优点设计了最优双向选择预测器，用来在各个组内及进行相关性增强后的各组参考波段之间去除图像的谱间冗余。仿真结果证明了本文算法应用于多光谱图像无损压缩时性能良好。