本文针对成像光谱数据的特点，研究了高光谱图像的无损压缩和近无损压缩技术。主要工作包括： 1.从有效去除谱间相关性出发，论文提出了一种基于混合整型变换和3D-SPIHT算法的高光谱图像嵌入式无损压缩方法。高光谱图像不同波段间的相关性不同，作者将全部波段进行分组，采用不同的整型变换技术针对不同波段进行谱间去相关，尝试了9/7和5/3两种小波滤波器进行空间去相关，再对图像进行3D-SPIHT扫描和基于上下文算术编码，实现了渐进传输的码流，取得了较好的压缩结果。 2.从基于对象的压缩出发，论文提出了一种新颖的基于空间局部纹理模型预测的高光谱图像无损压缩方法。针对高光谱图像不同波段具有相同或相似纹理结构的特点，论文构建了基于像素的空间局部纹理模型，利用模型进行三维预测，根据预测残差对模型进行修正或重构，提高了预测精度，取得了一定的压缩结果。 3.为了提高谱间预测精度，论文提出了一种新的基于2D/3D混合自适应预测的无损压缩方法。该方法在二维预测和三维预测的基础上，利用预测波段与当前波段邻域块间相关性对两种模式的预测结果进行了误差校正，采用基于上下文模型的Golomb编码有效的去除了高光谱图像的空间/谱间相关性，不仅取得了较好的压缩结果，而且便于硬件实现，有很高的实用价值。实验结果表明，对四种不同的遥感器所获取的图像，该方法都能够有效的去除其空间/谱间相关性，与最优的无损压缩国际标准JPEG-LS相比，压缩后的平均比特率能够降低0.2～1.3bpp，与3D-APA方法相比，压缩后的平均比特率能够降低0.07～0.4bpp。