最近十年,数字图像的采集、传输及存储已经渗透到大众生活的方方面面。基于数字技术,图像的重现、处理、存储及传输变得非常便利。数字图像也适合方兴未艾的互联网。虽然优点众多,但是数字图像也面临如下问题:当采用原始格式表示时需要占用大量数据空间,处理高精度传感器生成的超高分辨率/超大尺寸图像时更是如此。数字图像压缩是解决此问题不可或缺的技术。相当长一段时间内,数字图像压缩的主要目标是提高压缩性能,即在数据量不增加的前提下提高重构图像的主、客观质量。基于对超大规模集成电路技术飞速发展的认知,算法的计算复杂度/内存开销不是优先考虑的因素。但是,近期图像压缩的格局发生了变化。随着移动及无线设备(如智能手机、无线传感器网络等)的演变和广泛接受,要求设计可以在计算能力及内存资源非常受限的平台上实现的图像压缩算法;与此同时,待处理图像的分辨率及尺寸也稳步增长。对于此类设备,除压缩性能外,存在一些其他的限制,包括功耗、可伸缩性、低复杂度及低内存开销等。例如,研究早已表明,基于离散小波变换的图像压缩技术在压缩性能方面远优于基于DCT的图像压缩技术,但是实现前者所需的高复杂度阻碍了其在消费电子领域的应用,对于以电池供电的手持式设备更是如此。典型的图像压缩系统一般包括两个构成单元,即去相关变换及编码器。本文将依次对其进行论述。在考虑适应处理超高分辨率/超大尺寸图像的新需求前提下,第二章将涉及此类离散去相关变换(如常规块变换,叠式变换及离散小波变换)的设计与实现。为了克服由超高分辨率/超大尺寸图像的海量像素导致的内存及计算瓶颈,第三章论述了低内存开销及低计算复杂度的离散变换实现技术。考虑对于实时图像压缩通信系统(例如侦察卫星实时图像压缩),端对端延迟至关重要,第四章研究了一般线性相位小波滤波器组及其树状结构的最小端对端延迟实现。第五章在分析当前各类图像编码技术基础上,研究了适合超高分辨率/超大尺寸图像压缩编码算法,主要考虑低内存开销的离散变换与低内存编码之间的耦合。具体地,本论文的贡献主要在于下述5个方面。通过将反折结构分解为奇、偶时间索引对应的操作,提出了一种低内存需求、低计算复杂度的离散小波变换实现技术—DFS(Decomposed Flipping Structure)。相对于传统的基于提升结构的离散小波变换实现,DFS具有更低的内存需求及计算复杂度。对于图像/视频压缩中最常用的CDF 9/7离散小波滤波器组而言,包括输入输出单元在内,基于提升结构的实时离散小波变换实现需要6个存储单元(对二维情景,则为图像行)。DFS可在不增加计算复杂度的前提下,将存储单元数降到5(或图像行)。另一方面,基于计算的负载均衡性及实验结果也表明,DFS实现相对于传统的提升结构实现运行时间缩短了44%。通过对提升结构因果化实现及子带系数叠混模式进行优化,提出了一种改进的低内存需求离散小波变换实现方案—Opt-LBWT(Optimized Line-Based Wavelet Transform)。相对于DWT的常规全局实现法,Opt-LBWT的正、逆变换均具有与图像高度无关的低内存需求且不同分解层可以使用不同的小波滤波器。相对于基于行的离散小波变换(Line-Based Wavelet Transform,LBWT),当小波滤波器组中的滤波器长度差大于2时,Opt-LBWT具有更低的全局内存开销及系统时延。以MPEG-4标准中静态纹理压缩所采用的9/3滤波器组及典型的5层分解为例,相对于LBWT,基于Opt-LBWT的二维DWT实现的内存需求降低了22.7%。提出了一种可即时实现、内存可调节的级联叠式变换实现。该方法只需所有数据通过处理单元一次,不存在数据回访,因此适用实时图像/视频压缩应用。基于该方法实现的正、逆变换均具有与信号长度(或图像行数)无关的低内存需求。理论分析及实验结果表明,该方法在计算及内存效率方面均优于现存方法。基于两带线性相位FIR滤波器组的多分辨率变换在图像/视频压缩编码中应用非常广泛。在实时视频通信应用(如视频会议,视频监控等)中,降低由于离散时域多分辨率变换引入的端对端延迟对于参与者的及时响应十分关键。通过分析重构帧与输入样本帧之间的时域依赖关系,给出并证明了一般的两带线性相位FIR滤波器组的最小端对端延迟,并给出了其相关闭合表达式。基于此,提出了一种具有最低内存需求的DWT实现技术—Mini-Delay DWT。据作者所知,在目前所有DWT实现中,Mini-Delay DWT拥有最低的内存开销。为了利用有限的计算资源及内存开销处理超高分辨率/超大尺寸图像,提出了一个完整的低内存需求、低计算复杂度的图像压缩系统。该系统利用前述各项技术,具有极低的内存开销及计算复杂度,易于在低端硬件平台上实现。实验结果表明,该图像压缩系统具有与当前主流图像压缩系统相当的压缩性能。