干涉高光谱图像是一种遥感图像,广泛应用于气象、环境监测和军事等领域,其具有很高的光谱分辨率和数据量大等特点,对它的处理研究成为其成功应用的关键问题之一,因此,对干涉高光谱图像压缩已经成为该领域内亟待解决的问题。本文针对时间型干涉高光谱图像数据的特点,对时间型干涉高光谱图像的压缩算法进行研究和分析。论文从三个角度对干涉高光谱图像作了深入研究,一是根据干涉高光谱图像过采样的特点,对图像进行抽取,减小数据量；二是根据干涉高光谱图像的能量特征,结合SPIHT压缩编码的特点,提出了基于子带映射变换的SPIHT压缩算法；三是针对干涉高光谱图像的相关性,提出了基于排序预测的SPIHT压缩算法。本文的主要工作及取得的研究成果如下：(1)针对干涉信号过采样的特点,设计了一个带通抽取器,对干涉高光谱图像进行抽取。为提高抽取的效率,对抽取器进行了多相分解,将原来的抽取滤波器分解成多个子滤波器,提高抽取速度。(2)基于子带映射变换的SPIHT压缩方法,该方法结合了干涉高光谱图像和SPIHT编码算法的特点,用子带映射的方法代替传统SPIHT压缩算法的小波分解部分,将图像中大的数据映射到图像的左上角“低频”区域,子带映射后图像数据的分布类似于自然图像小波分解后的系数分布,大数据集中在图像的左上角。子带映射只是位置映射,没有小波分解的乘法运算,有效的提高编码速度,而且在压缩比方面也有较大的提高。(3)基于排序预测的压缩算法,每条干涉信号具有很高的相关性,对干涉高光谱图像进行线性预测,可以有效的去除图像的冗余；在预测前对图像进行相关性排序,可以提干涉高光谱图像的相关性,减小预测误差,然后用子带映射的SPIHT压缩算法对预测误差进行编码,进一步提高图像压缩比。