超光谱成像仪可以获得波段狭窄且连续的图像,通过分析采集到的光谱图像,可以得到被测物的光谱特征,直接识别被测物,在民用和军用两方面都有十分重要的应用价值。但超光谱图像的海量数据给数据的存储、传输和处理带来极大的挑战,因此必须对其进行压缩编码。本文首先研究主元分析(PCA)和小波变换相结合的超光谱图像压缩算法。主元分析法能够有效地消除超光谱图像的谱间相关性,而整数小波变换在去除空间相关性方面具有长处。对超光谱图像的空间进行等份分割,依次进行PCA和小波变换编码,能够有效地减少运行时间。通过建立压缩比与保留主成分个数之间的非线性关系模型,快速求出任意压缩比下保留PC的最佳个数。通过对美国可见光近红外成像光谱仪(AVIRIS)和课题组研制的超光谱成像仪所获取的光谱图像的压缩结果分析,这种改进的主元分析加小波变换的有损算法在压缩效果和运行速度方面有明显提高。为了利用硬件实现超光谱图像压缩,在分析比较现有压缩算法的基础上,论文提出一种基于预测加整数小波变换相结合的混合算法。首先,考虑到随着光谱分辨率的提高,谱间相关性变得越来越强,设计一个最佳的预测器可以有效的去除光谱图像的谱间相关性。其次,使用有效的整数小波变换去除空间相关性,并利用嵌入式零树编码(EZW)实现对小波系数的进一步编码。针对超光谱图像压缩平台对高速数据的传输、处理和存储的要求,采用高性能DSP芯片(TMS320DM642)实现上述超光谱图像压缩的混合算法,使用DMA和CACHE解决内存中高速图像数据的交换问题,克服大量的数据交换和内存操对程序执行效率的限制。通过在语言和结构上优化算法,提高其压缩效率,试验结果表明优化后执行速度明显提高,为超光谱图像实时处理平台的实现奠定了基础。