图像数据规模的膨胀使其存储、传输、分析和处理面临巨大挑战，因此如何减小图像的存储和传输成本、快速分析和处理图像、从海量图像数据中选取有用信息变得尤其重要。为此，从改善图像压缩编码、提高图像处理算法的效率、设计基于视觉注意机制的图像显著性检测新方法三个方面展开研究。　　对于上述三个研究方面，首先以变换图像编码中小波变换的研究为起点分别提出双正交单小波和多小波两种改进小波系统的方法，然后从计算模式和设备的角度设计出一种新方法以提高离散小波变换的效率。此外，在前面图像编码中的多小波研究基础上提出两种新型图像显著性检测方法。整体框架以小波分析为主线，研究了小波图像编码方法以及使用CUDA在GPU平台上实现自适应方向提升离散小波变换的加速，将小波图像编码中设计的方法应用到图像显著性检测中。具体研究内容为：　　首先关于图像编码提出一种9-7双正交小波滤波器组设计方法。该方法基于奇谐波函数分析设计出三种滤波器组，实现所有滤波器系数有理化。实验表明新方法既能保证高压缩性能又可以显著地降低计算复杂度。　　其次提出一种对称——反对称多小波变换提升方案用于图像编码。首先根据对称——反对称多小波的特性提出一种多相位矩阵分解方法，用预滤波吸收法减少冗余计算，然后设计提升方案。实验表明新方法可以降低计算复杂度并提高编码质量。　　基于从计算模式和设备的角度提高算法效率的思想，接着提出一种新型CUDA配置方法。新方法让每个提升步骤由不同的核完成，每个滤波像素的插值和分解以一种交错的方式进行，而且最大限度地使用合并存储器访问。实验表明，该方法克服了提升步骤间高度数据依赖性的限制优于现有CUDA配置方法，与CPU优化方法相比可以实现很高的加速比。　　除此之外，利用前面图像编码中设计的多小波方法提出一种多小波变换域中基于多尺度重构的图像显著性检测方法。首先利用多小波变换得到多尺度重构图，据此计算局部显著性图，然后又提出一种关注区域的自适应聚焦方法得到聚焦图，再与局部显著性图相结合得出全局显著性图。最后将局部显著性图和全局显著性图结合得到最终的显著性图。实验证明了新方法的优良性能。　　最后同样利用前面图像编码中设计的多小波方法又提出一种基于多小波变换和非关注区域优先初始化的k-均值分类的图像显著性检测方法。该方法的前期步骤与上一检测方法相同，并利用k-均值方法的缺点而不是优点提出一种新分类方法，再根据此方法最终得出显著性图。分类对比实验证明了新思考角度的正确性和新分类方法的优越性，显著性图实验验证了新检测方法的有效性。