随着图像获取技术的飞速发展,数字图像的分辨率不断提高,数据量也不断增加,因此如何对数字图像进行有效的压缩依然是一个非常严峻的问题。传统的图像压缩方法如JPEG、JPEG2000等主要利用了单幅图像之间的像素冗余、编码冗余和视觉冗余进行压缩。但是由于大量的图像是在相同或者相似的场景下获得,因此它们之间也存在一定的集合冗余信息,如果有效地利用这些冗余信息,将会进一步提高压缩比,节省存储空间。图像集压缩算法就是针对由多幅相似图像组成的图像集的压缩问题,在单幅图像压缩技术的基础上利用集合冗余信息,有效地实现高效压缩。本文针对传统的图像集压缩编码中存在的分组问题、复杂度问题和高效压缩问题进行了深入研究,主要包括：(1)从基于代表性信息的图像集压缩算法和基于图(Graph)的图像集压缩算法两个方面总结了图像集压缩算法的整个发展历程,并简要地介绍了几种图像集压缩算法；(2)针对无损图像集压缩中存在的分组问题,本文提出了一种基于相关系数平均值的图像集划分算法。此算法利用图像集相关系数的平均值拟合出一个二次曲线并根据此曲线得到图像集划分方案。在对图像集压缩之前先进行划分处理,将一个大的图像集划分为若干子集之后再进行压缩编码,以保证图像集总的压缩增益最大；(3)针对有损图像集压缩中存在的复杂度较高的问题,本文提出了一种基于无向加权图的图像集压缩算法。该算法首先对图像集中所有图像的Y分量下采样,并使用相关系数作为边的权值函数构建一个无向加权图。然后使用Kruskal算法计算该图的最小生成树,并根据叶子节点的深度和宽度优先算法对图像集进行重新排列。最后使用视频编码技术HEVC对排序后的图像集编码；(4)不同于现有的两大类图像集压缩算法,本文还提出了一种基于非负矩阵分解的图像集压缩算法。该算法通过对图像进行非负矩阵分解和不同图像间共用字典矩阵的方法,有效地提高了压缩性能。