自适应编码技术作为一类提高压缩比的有效方法，一直是图像压缩技术研究中的热点。已往很多的自适应算法由于图像分块算法的局限性(如分类非常有限，很难适应图像块的变化)，一直存在的诸如边缘失真较大，方块效应等问题。本文就是为了进一步解决这样的问题，提出了两种分别利用图像空域和频域结构特征来进行自适应分块的方法：基于图像边缘信息测度的自适应分块和基于DCT谱主方向的自适应分块。并将这两种自适应算法与DCT编码方法及矢量量化技术结合，建立了基于边缘信息测度的自适应DCT编码，基于DCT谱主方向的自适应DCT编码和基于DCT谱主方向的块分类矢量量化算法。这也就构成了本文的主要内容。 首先提出了基于边缘信息测度的四叉树自适应分块的DCT压缩算法。该方法首先建立了一个基于图像空域结构特征的定量判别准则——边缘信息测度，利用该测度能够很好的区分出平滑点、纹理点、阶跃边缘和屋脊边缘点。进而根据这一判别准则对输入图像进行分块。最后根据分割好的各个块的大小和块内包含边缘点的多少来进行不同压缩比的DCT压缩编码。计算机模拟实验证明，这样的自适应分块方法，结合了边缘信息测度和自适应分块的优势，提高了图像的压缩比和SNBR(传送一个比特时的信噪比)。 其次为解决上述自适应分块所带来的附加比特开销问题，本文提出了一种块融合传输及基于DCT谱分布特征自适应分块的解码算法。使得编码时自适应分块算法的优势充分发挥，更大的提高了自适应编码算法的压缩比。 接着本文建立了基于DCT谱上方向的自适应DCT编码算法，利用谱主方向及其特征曲线，自适应地将平滑区和边缘区分开，再有区别的进行DCT编码。这一算法解决了非自适应分块情况下不能充分发挥DCT谱主方向优势的问题，有效的提高了压缩比，是一种时间复杂度更低，压缩比更高的DCT编码方法。 最后本文探讨了一种将基于结构特征的自适应分块与矢量量化相结合的编码方法。在前两章的基础之上，建立了基于DCT谱主方向的块分类矢量量化方法，针对分类后不同细节子块设计不同的码书，进行分类矢量量化。实验结果证明，该方法比非自适应算法具有更高SNR和MSE。而且由于各类码书尺寸较小，因此降低了搜索码字的时间复杂度。同时推导出一个最优化条件，在满足该条件的情况下由于记录码书索引而增加的比特开销的影响就会被消除。最后还对几种不同的自适应分块算法与矢量量化结合的可行性问题进行了探讨。