智能手机，平板电脑等个人手持移动设备的普及改变着我们的日常生活。人们可以随时随地的用自己喜欢的方式进行图像的拍摄，浏览以及共享。虽然方便了人们的日常生活，但移动设备的普及也为数字图像的压缩和传输带来了新的问题和挑战。首先，数字图像的移动传输受着带宽的严重制约。尤其是多用户同时访问时，每个用户实际获得的传输带宽非常有限，从而就需要对图像尽可能的进行压缩。因此,低码率图像压缩成为了当前移动通信所需要解决的一个重要问题。除了码率的限制,新应用的普及也对数字图像的移动传输提出了更高的要求。如电子地图,网络购物等交互式图像传输方式日趋推广。良好的用户体验同时也会带来额外的编码开销。如何平衡该矛盾也是当前压缩算法需要解决的一个重要问题。此外，移动通信还受制于设备内部吞吐量、功耗、运算能力等诸多因素。图像压缩算法的设计更应该注重降低编码复杂度，而不是追求更高的压缩效率。因此，如何在不增加编码复杂度的情况下提升图像质量就成为了当前需要解决的另一个重要问题。最后，移动通信的服务对象是人，用户的感官是判定图像压缩质量的最终标准。尤其是在如此苛刻的传输条件之下，针对移动通信的压缩算法设计更应该以主观质量为优先目标，而不是像传统压缩算法一样追求更高的峰值信噪比。本文针对上述问题展开研究。考虑到图像边界对人类认知和评价图像质量的重要性，本文以保护边界为切入点，主要研究对图像边界的合理建模。以此为基础设计基于边界模型的低码率图像压缩算法，并将边界模型进一步推广，用于解决更为一般的图像恢复问题。针对不同的功能需求，本文设计了三种边界模型：1）分段自回归模型，用于图像的恢复和重构；2)连通图模型，用于感兴趣区域(Region OfInterest，ROI)的检测和描述；3)边界树模型，用于边界像素的自适应扫描和编码。具体的说，本文的主要研究工作可以分为以下四点：第一，针对低码率交互式图像传输需求，提出了一种基于边界模型的动态ROI编码算法。该算法解决了传统ROI编码算法中ROI形状精度与边信息(sideinformation)编码开销之间的矛盾。利用边界模型判定ROI，并以很低的开销完成任意形状ROI的轮廓编码。本算法的另外一个优势在于可以与任何现有编码标准所兼容，有较强的实用性。第二，针对更为一般的低码率图像传输，提出了一种基于边界树模型的主观图像压缩算法。该算法主要有两个创新点：1)采用两层编码结构，通过二维分段自回归模型来构造背景层，从背景层中预测边界区域的位置并对区域内像素直接编码，从而减少传统编码算法对边界位置信息显式编码的开销。2)提出了一种基于边界树模型的自适应扫描和编码方法，取代了传统的光栅扫描。对边界区域的像素沿其自然走势方向进行扫描，进一步提高编码效率。第三，针对利用移动设备进行图像拍摄的应用场景，提出了一种基于边界模型的图像软解码算法，并将其应用于JPEG码流解码之中。在不增加编码复杂度的情况下，通过自适应解码来提升图像的重构质量。与传统JPEG图像后处理算法相比，该算法有效的解决了传统方法只能工作在中、低码率的缺陷，在全码率下对JPEG码流的解码性能进行提升。第四，本文将边界模型推广用于解决蜕化图像的插值恢复问题。在插值的过程中同时考虑点扩散函数及噪声的影响，在一个统一的框架下将去模糊、去噪和插值任务一次完成。减少了传统分离式恢复算法的误差传递，有效提高了图像恢复质量。此外，本算法同时考虑蜕化对像素值和模型参数的影响，将模型参数和像素值作为未知数同时求解，提出了一种结构化整体最小二乘算法将该非线性优化问题转化为线性迭代求解。本算法还解决了传统基于分段自回归模型只能支持2的整数倍数缩放的限制，完成对任意倍数插值的支持。