随着信息技术的发展,图像和视频成为了人们生活中信息交流的主要载体。然而,原始图像具有庞大的数据量,给存储、传输及通信等实际应用带来了很多不便。因此图像压缩作为通信及多媒体领域中的一项关键技术,具有重要的现实意义和广阔的发展前景。由于传统的压缩算法存在压缩率比较低、解码图像质量较差等缺点,迫切需要新型的图像压缩技术。分形图像压缩方法注重发掘图像的自相似性,把看起来非常复杂的图像,采用几条简单的迭代规则,就可实现图像的编码；解码时,使用这几条规则进行有限迭代,即可重构图像,达到很高的压缩比。而小波分析,是一种信号的时间-尺度(时间-频率)分析方法,具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力,并且小波变换还能去除图像的全局相关性,具有人的视觉特性。所以,把分形理论和小波变换编码技术向结合,不仅发挥分形图像压缩的高压缩比的优势,还弥补了其编码时间过长和块状效应明显的缺点。为了进一步提高编码效率,本文试图利用GPU(Graphic Processing Unit)高性能计算架构CUDA来实现小波域内分形图像压缩编码,这更缩短了编码时间,提高了编码效率。本文主要研究工作如下：首先简要介绍了图像压缩相关知识,然后研究了空域分形图像压缩,研究结果表明：空域分形图像压缩在保证图像质量的基础上,达到了很高的压缩比,但其编码时间过长,块状效应明显。为了改善上述算法,本文着重研究了小波域内分形图像压缩。编程实现了小波分形(wavelet-fractal)图像编码,实验结果表明,通过这种结合,发挥了两种算法的优势,有效的缩短了编码时间并且避免了空域分形的块效应。为了进一步提高编码效率,本文提出了使用GPU对编码进行加速的方案。在CUDA规范下,使用GPU并行地对图像中所有待编码的子树同时进行最优父树搜索。实验结果表明,该编码方法在保持原有算法图像解码质量的前提下,可将编码时间缩短至毫秒级,大大提高了压缩算法的执行效率。