本文重点研究具有可分级压缩能力的高光谱图像压缩算法,结合小波变换的网格编码量化是本研究的主要内容.本论文的主要工作包括:1.提出了一种混合差分预测算法处理谱间相关性.具体而言,算法使用谱段组来组织谱间差分预测过程,在谱段组内使用混合谱间预测方法,包括前向和双向预测模式,并给出了相应于上述模式的最优预测系数的计算方法.2.提出了一种均匀网格编码量化方法和一种死区(Dead-Zone)网格编码量化方法,以及与之相应的率-失真训练算法.在结合子带分布特性的基础上,本文以函数逼近的方式在不同输入分布下建立了描述上述量化器率失真特性的模型.3.提出了基于网格编码量化的高光谱图像压缩算法,该算法采用混合谱维差分预测去除谱间相关性,对各预测残差谱段进行小波变换并选用均匀网格编码量化或死区网格编码量化方法来量化小波子带,最后使用算术编码对量化码字进行熵编码.由于谱段中各子带具有不同的分布参数,为使编码器能为不同子带获取率-失真最优的网格编码量化器,本文分别提出了解析的最优比特分配算法、基于均匀网格编码量化和死区网格编码量化率-失真模型的比特分配算法.4.提出了一种支持可分级压缩的高光谱图像压缩算法,此方法使用均匀和死区网格编码量化的渐进模式和条件二进制算术编码来完成量化编码,并设计了条件算术编码的最优上下文.针对谱维可分级压缩的要求,所有谱段组的起始谱段在压缩比特流中以树结构的方式被组织起来反映图像光谱维的概貌信息.算法使用渐进网格编码量化和条件二进制算术编码来实现质量可分级性,使用小波变换来实现空间可分级性,使用树结构组织谱段组起始谱段来实现谱维可分级性,具有了谱维、空间和质量可分级的压缩能力.5.提出了相应于可分级压缩算法的比特流结构组织,以及相应的语法描述.6.提出了一个基于分类网格编码量化的高光谱图像压缩算法.