随着通信技术的飞速发展以及信息的不断膨胀，数字图像技术被广泛应用在生活的各个领域。然而数字图像在转换信息的同时也产生了巨大的数据量，因此压缩技术的进步成为一种迫切的需求。而在医学、卫星等领域对图像的要求极高，因此对无损压缩技术的研究具有重要的意义。无损图像压缩主要包括映射和熵编码两部分，CALIC编码是无损压缩方法中压缩效果较好的一种新型编码方法。在CALIC编码中的熵编码部分主要采用的是算术熵编码，而且在CALIC编码预测部分提出一种非线性的梯度预测方式，即通过梯度预测加权临近像素点，与以往的线性预测方式相比，这种非线性预测增强了边缘像素预测精度。CALIC编码通过精心设计上下文模型并结合算术编码取得较高的压缩效率。但CALIC编码预测扫描方式单一，限制了预测参考像素的选择范围，影响预测精度。本文主要就算术熵编码和CALIC编码中的预测部分进行研究分析，主要贡献如下：首先，本文就算术编码原理特征和多种实现方法做对比分析得出算术编码适应数据分布特征以及较优的实现方式。在多种熵编码中，算术编码因在理论上逼近理想熵值而得到广泛关注。但由于计算精度问题在实现过程中往往达不到理论压缩效果。在数据特征分析试验中表明算术编码可自适应更新概率，但对于数据分布过于极端时算术编码的压缩效率只在某个范围内波动。在实现方法对比试验中表明用d0.52i近似改进的方法相对最优，其相对效率损失在2%左右。其次，针对CALIC编码中单一的光栅扫描梯度预测方法，本文提出新的改进预测方法即包括水平、竖直、左斜和右斜四种扫描模式的梯度预测。对于待编码图像按照2n2n方式分成大小相等的方块，而对每一编码块根据纹理属性采用不同的扫描方式，充分挖掘图像内部冗余，从而提供更具相关性的参考像素点，再根据具体模式下的梯度值加权相邻像素作为当前像素的预测值。实验表明改进后的预测方法可以有效的提高预测精度并可将预测残差零阶熵降低至3%~12%。本文还对多扫描模式的选择提出两种方法。一种为穷举法，对每个编码块均采用四种不同扫描模式梯度预测方法，再根据累计预测残差平方和选择最优扫描模式。一种为自适应选择方法，通过下采样编码块图像计算各个方向的梯度值，预测局部纹理属性，选择相应扫描模式。实验表明自适应选择模式基本近似穷举法选择模式，其预测残差零阶熵非常接近。