随着医学科技的飞速发展,越来越多的医学图像设备在临床医学中得到应用,为快速准确的诊断提供了可能。而伴随而来的是海量的医学图片的存贮,交互问题。为了能够节省存贮空间,而又不损失图像中的重要信息,需要对各种医学图像进行无损压缩处理；为了能够适时实现图片的交互传送,还要注意无损压缩要有较低的复杂性。本文正是以此为基础,展开对医学图像的无损压缩研究。首先,在医学图像无损压缩模型的建立上,在分析JPEG-LS压缩模板的基础上,对预测模板进行了改进,在理论和实验的基础上,建立了三点预测模型中的442模板,并利用神经网络中的感知器实现了对预测系数的自适应调整,实验结果表明该预测模型在无损压缩的压缩比及压缩时间上都有较优的表现。其次,在熵编码的选择上,选择了编码效率较高的Rice编码格式,并对编码的长度进行了自适应的调整,进一步实现了对医学图像算法的优化。最后,针对真彩图像的压缩,本文在研究前人彩色空间的线性变换的基础上,提出了抽取颜色分量,顺序压缩的方法。从而在图像预测编码的处理过程中,增强了同一颜色分量上下文间的相关性,提高了图像的压缩比,同时并没有增加同一行预测编码的复杂性。实验表明,该算法在压缩比和压缩时间的性能指标优于常规的方法。本文的全部试验结果均在VC编程实现。