高光谱图像是在连续光谱段上对同一地物用数十甚至数百个波段形成的三维数据立方体,其丰富的信息对提高我们分析数据时的质量、细节、可信度及可靠性方面有显著的作用。现已广泛应用于地球资源调查与地质勘探、城市遥感规划与管理、灾害与环境污染监测、资源开发及测绘等方面。高光谱图像的海量数据给它的获取和传输带来了极大的困难,严重制约了它的进一步应用,近年来,高光谱图像压缩技术的研究已经成为一个热门课题。为了满足存储和传输的需求,通常对高光谱图像采用基于变换的压缩方法。因为高光谱图像是三维数据,对其进行变换编码时,常用的方法是在空间域和谱间域分别进行变换。高光谱图像的谱间相关性较空间相关性更强,因此谱间变换在高光谱压缩中显得尤为重要。常用的谱间变换方法有KLT、DCT、DWT等。但这些谱间变换方法都有各自的局限性:KLT虽然是最优变换,但运算复杂度过高,无法满足实时压缩的要求;DCT和DWT都是固定变换基,虽然运算速度较快,但是去相关性能却不高。为解决传统的基于变换编码算法在谱间变换时,运算复杂度和去相关效果相矛盾的问题,本文提出了一种基于改进分类DCT的高光谱压缩算法,相较于传统的DCT,本文先对光谱矢量进行了分类,通过求分类残差,降低光谱矢量的相关性,弥补了DCT去相关不彻底的缺点,从而使谱间变换效果更好,算法性能有较大提高。该算法在空间二维小波变换的基础上,首先对光谱矢量进行分类,再对每一类中的光谱矢量求残差,最后对残差矢量做一维谱间DCT变换,由于每一类中的分类残差非常小,因而分类DCT能够取得很好的效果,最终再对得到的变换系数进行非对称3DSPIHT编码。为了验证本文提出的算法的先进性,设计并实现了一个基于变换编码的高光谱图像有损压缩软件平台,并在此平台上对本文提出的编码方案和国际上一些常用的算法进行了性能比较,实验结果表明,本算法在保证图像压缩质量的基础上,算法复杂度较KLT等方法大大降低。