目前成像光谱技术迅猛发展，随之而来的是高光谱遥感图像的空间分辨率及光谱分辨率的显著提高，这使得图像数据量也随之急剧增加。高光谱图像在农业、森林探测、地质检测和军事侦察等对图像质量要求比较高的领域被广泛应用。这些都要求广大学者提出更高效的高光谱图像的无损压缩方法，以减少其海量数据给传输和存储带来的巨大压力。由于基于预测的压缩算法压缩效果好，算法简单，易于硬件实现，因此，研究高光谱图像的无损预测压缩算法意义重大。
　　本文首先介绍了遥感技术，简要说明了遥感系统的构成框架；介绍了高光谱图像及其压缩技术，对压缩技术的国内外研究现状作了一些简要的概括；接着对高光谱图像的特征进行分析，包括其空间相关性分析、谱间相关性分析和信息量分析；然后介绍了无损数据压缩的基础知识，包括无损预测压缩的原理和一些现有的压缩标准；最后在对两个经典算法SLSQ和C-DPCM-APL进行深入研究的基础上，提出了两个改进的无损压缩算法。论文的创新点包括：
　　1.针对高光谱图像具有丰富的边缘及纹理信息，在中值预测算法和SLSQ算法的基础上，提出了基于对角边缘和上下文排序的无损预测压缩算法。该算法包括谱内和谱间两种预测模式。在谱内预测中，考虑到图像中存在的对角边缘，将对角边缘检测引入到中值预测，提出了基于对角边缘的预测算法；谱间预测时，由于边缘的存在使得上下文范围内空间位置和像素灰度值都越接近的像素之间的相关性越强，因此提出了基于上下文排序的预测算法。对AVIRIS1997和CCSDS2006高光谱图像进行仿真实验，实验表明，与SLSQ-OPT相比，该算法可提高无损压缩比，平均压缩比提高了0.10。
　　2.提出了基于参考波段选择的改进C-DPCM-APL无损预测压缩算法。首先对DPCM和C-DPCM-APL算法进行深入分析，其中C-DPCM-APL是目前所有高光谱图像无损预测压缩算法中获得无损压缩比最高的算法，但是于此同时，它的压缩处理时间也是最长的，在星载压缩中的应用受一定限制。这个创新点充分考虑了高光谱遥感图像的谱间相关性及参考波段与当前波段的相关性对预测效果的影响，致力于为当前波段选择合适的参考波段，与C-DPCM-APL算法相比，该算法大幅度地减少了压缩处理时间，但是能够达到和C-DPCM-APL算法相近的压缩效果，成为可实用性较强的无损压缩算法。