云相册的普及,使得越来越多的人倾向于使用云平台来存储海量照片。随着图像获取技术的飞速发展,图像分辨率不断提高,照片的数据量呈爆炸式增长。这一特征要求对照片进行压缩,以减小存储空间和数据传输量。现有的图像压缩方法利用像素冗余、编码冗余和视觉冗余特征对单幅图像进行压缩。然而在现实生活中,许多照片拍摄于相同或者相似的场景下,它们之间存在一定的集合冗余。在单幅图像压缩的基础上有效地利用集合冗余信息,将会进一步提高云相册的压缩比。本文研究基于子集划分与视差补偿的云相册压缩优化方法。针对现有图像集压缩算法中存在的分组不合理问题,本文提出基于相关系数平均的云相册子集划分算法。该算法在压缩图像集之前先进行分组处理,通过拟合相关系数平均值和图像集大小之间的二次函数,得到最优子集,再对每个子集进行压缩以此保证图像集总的压缩增益最大。实验结果表明,该算法求出的最优子集大小与遍历算法求出的结果一致,在保证压缩增益最大的前提下,大大地降低了计算复杂度。针对现有算法,当图像集在旋转角度、尺度和照明上有较大变化时,会表现出压缩比下降的问题,本文提出基于视差补偿的云相册子集压缩优化方法。对于每个划分后的子集,首先通过最小化特征域中的预测成本将图像集组织成伪视频,然后在空间域中执行混合视差补偿,包括全局(几何变化和光度变化)补偿和局部(帧间和帧内)补偿。再在频域中通过上下文自适应熵编码算法减小每个补偿信号和相应的目标图像之间的冗余。实验结果表明,本文提出的优化方法,对图像集中存在的旋转、照明等变化,始终保持鲁棒性。相同质量水平下,与单幅图像压缩算法JPEG和JPEG 2000相比,峰值信噪比(PSNR)增益更明显,与现有的几种无损JPEG再压缩算法相比,压缩性能更好。