高光谱图像是同时在多个光谱波段窄带上对同一地物进行观测所获得的图像,它反映了观测对象在各个窄光谱波段上的电磁波辐射特性,包含了观测对象的诸多信息。由于高光谱图像庞大的数据量,对其进行存储和传输是十分困难的。利用矢量量化技术对其进行压缩,能够实现压缩比高,同时保留原图更多的信息的压缩效果。然而现有的高光谱图像矢量量化压缩算法,具有计算复杂度较高,压缩后造成图像的失真较大的缺陷,针对以上问题,本文对高光谱图像做出了分析,并在此基础上提出了两种改进的高光谱图像矢量量化压缩算法,改进的两种算法显著地改善了高光谱图像矢量量化压缩的性能,本硕士学位论文具体成果有以下两个方面:第一,利用异常检测算法对高光谱图像压缩的改进效果,在此基础之上提出了一种基于异常检测的高光谱图像矢量量化快速压缩算法,该算法对原有的异常像素检测算法进行改进,结合主成分分析(Principal Component Analysis,PCA),最后结合LBG(Linde Buzo Gray)算法完成矢量量化压缩。实验结果表明,该算法不仅能够提高压缩质量,还能降低所需计算量,实现高光谱图像的快速压缩。第二,利用先分类后压缩的思想能够对图像压缩进行改进的效果,提出一种基于空谱聚类和图像分类的高光谱图像矢量量化压缩算法,通过波段聚类+主成分分析和图像分类,降低了矢量量化码书搜索范围和搜索的计算量。实验结果表明,该算法在保证图像恢复质量基本不变的前提下,大幅度降低运算量,起到了高光谱图像快速压缩的效果。