图像压缩是数字图像应用的重要组成部分,随着互联网的不断发展,云上的语料库不断完备以及图像特征提取技术的日益成熟,图像压缩过程不再局限于利用图像本身像素点间的相关性。然而,当前的图像编码方案大多数都是以像素为单位来进行压缩的,这些方法很难利用到云端上大量的图像资源。为了解决这个问题,2013年有学者提出一种全新的压缩方式——基于云的图像编码。这种架构所运用的核心技术手段便是图像局部特征的压缩算法,其核心思想是提取原始图像的特征并进行编码压缩,再利用解码后的图像特征在云上的语料库中匹配相似图像,最后利用相似图像进行图像的拼接重建。这种压缩方法在保证图像主观视觉效果的基础上,进一步提高了图像的压缩效率。论文的主要工作如下：针对基于云的图像压缩编码框架中的图像局部特征的提取、图像局部特征的压缩算法等关键技术进行深入的探讨和研究,重点分析了不同尺度的特征点、不同的变换、量化和编码方法对于压缩率和图像重建视觉效果的影响,设计并完成多组对比实验。本文的优化和改进部分如下：(1)待编码特征点的筛选,通过减少总的待编码的特征点数目来减小数据量。(2)待编码的残差特征向量的筛选,通过减少待编码的残差特征向量的数目,进一步减小数据量。(3)改进了残差特征向量编码算法,使得经过编码后的残差特征向量的数据量减小,提高特征的匹配度和重建图像的主观视觉质量。实验结果表明,采用本文改进后的压缩算法后的平均压缩率提高了约8%,图像的主观视觉质量也有所提高。