高光谱遥感图像是由机载或星载成像光谱仪对地表在电磁波谱可见光-红外区域获得的窄波段连续光谱图像,可以表示为一个包含二维空间信息和一维光谱信息的三维数据立方体。由于包含了地物丰富的空间和光谱信息,高光谱遥感图像具有极强的地物分类和识别能力,被广泛应用于地质勘探、环境监测、资源管理、军事侦察、气象观测、农业生产等领域。随着光谱分辨率和空间分辨率的不断提高,高光谱遥感图像数据急剧增长。庞大的数据量不仅给高光谱遥感图像的存储和传输带来了巨大压力,也严重制约了高光谱遥感图像的推广和应用。因此,对高光谱遥感图像进行有效压缩是高光谱遥感技术亟待解决的基础问题。自适应滤波作为一种基于线性模型的信号处理方法,适合用于高光谱遥感图像的谱间线性预测,在高光谱遥感图像无损压缩中具有巨大潜力。本论文通过对高光谱遥感图像特征的分析,结合自适应滤波算法特点,对高光谱遥感图像无损压缩展开研究,主要研究工作及成果如下:(1)提出一种基于波段选择和预测器选择的高光谱遥感图像无损压缩算法——C-RLS-ABS-APS(Clustered Recursive Least Squares with Adaptive Band Selection and Adaptive Predictor Selection)。针对递归最小二乘法(Recursive Least Squares,RLS)的预测准确性受谱间相关程度和预测过程平稳性影响的问题,提出了基于波段选择和预测器选择的高光谱遥感图像无损压缩算法。首先,针对因大气吸收影响导致部分波段相关性较差的问题,提出了基于最大相关系数的自适应波段选择策略,以提高待预测波段与参考波段间的相关性。然后,针对因空间分辨率性较低导致空间相关性较低的问题,提出了基于聚类的自适应预测器选择策略,以提高预测过程的平稳性。另外,为了进一步提高预测过程的平稳性,还设计了双重蛇形扫描模式和相似邻域局部均值递归估计方法。实验结果表明,算法C-RLS-ABS-APS的压缩性能优于其他算法。(2)提出一种基于自适应搜索阈值的高光谱遥感图像无损压缩算法——RLS-ATBPS(Recursive Least Squares and Adaptive Threshold Back Pixel Search)。经过对校正过程产生的特殊统计特征及其对RLS预测效果影响的分析,提出了基于自适应搜索阈值的高光谱遥感图像无损压缩算法。首先,利用RLS预测器准确性高的优点获得待预测像素的预测参考值。然后,针对由校正过程产生的特殊统计特征,采用逆向像素搜索算法以搜索候选预测值。同时,为了获得最佳搜索阈值,设计了基于递归误差均值的自适应阈值估计方法。最后,采用优化的最小距离原则从候选预测值中选出最终预测值。实验结果表明,ATBPS算法能很好利用校正过程产生的特殊统计特征,有效提高RLS的预测效果,从而获得良好的压缩性能。(3)提出一种基于RLS+LMS级联预测的高光谱图像无损压缩算法——CRLS-LMS(Clustered Recursive Least Squares and Least Mean Squares)。针对RLS预测器准确性高但计算复杂,而最小均方(Least Mean Squares,LMS)预测器准确性低但计算简单的特点,引入并扩展了级联预测模型,提出了基于RLS+LMS级联预测的高光谱图像无损压缩算法。算法在聚类预处理的基础上,采用了三级级联预测模型。首先采用局部均值(Local Mean,LM)预测器去除空间冗余,然后采用低阶RLS预测器对LM的预测误差进行谱间线性预测,最后采用高阶LMS预测器对RLS的预测误差进行谱间线性预测。实验结果表明,C-RLS-LMS综合利用了RLS收敛快和LMS计算简单的优点,在保证压缩效果的前提下明显降低了计算复杂度。(4)提出一种基于空谱联合的C-DPCM(Clustered Differential Pulse Code Modulation)高光谱遥感图像无损压缩并行算法——C-DPCM-LM(Clustered Differential Pulse Code Modulation and Local Mean)。针对C-DPCM算法无法有效去除空间冗余的问题,提出了空谱联合的C-DPCM算法,并针对算法具有的易并行特点,采用CPU/GPU异构并行计算模型对算法进行了并行化改造。在预处理阶段,首先采用K-means并行算法进行聚类,然后采用双重蛇形扫描模式进行序列化。在预测阶段,首先对毎类光谱向量采用传统LM并行算法去除空间冗余,然后采用回归预测并行算法对LM预测误差进行最佳线性预测。实验结果表明,LM预测器能明显提升C-DPCM算法的预测效果,基于GPU并行计算能显著提高算法运行效率,从而实现了高压缩比的快速压缩。