基于感兴趣区域ROI(Region of Interest)的图像压缩方法，具有在不丢失重要信息的同时又能有效地压缩数据量的特点。本文为了能自动提取自然图像中的主要视觉信息，引入了视觉感知模型。在对由数据驱动的自底向上以及与任务相关的自顶向下注意模型进行分析的基础上，本文重点研究了基于数据驱动的Itti视觉计算模型。根据Itti模型的建模思想结合图像压缩的具体应用，提出了改进措施，为图像中感兴趣区域难以自动确定的问题提供了解决方法。本文模型相比Itti模型提出了以下改进：1改进模型除提取图像的颜色、亮度、方向特征之外，利用canny算子提取输入图像中物体的边缘，并对含有物体边缘的图像进行填充，由填充后所得图像轮廓特征融入到模型计算过程中，将其用于得到图像总显著图，以提高模型提取显著区域的精确度。2改进模型中对特征图的合并策略，将原有的特征图平均相加的方法改成非线性的合并策略，特征图合并生成显著图时显著点密度过大的特征图对形成该特征的显著图所做贡献不大，因此在特征图合并时设置相应阈值去除显著点密度过大的特征图。3改进了模型中原有的视觉注意焦点转移策略，根据输入图像总显著图一次性确定输入图像所有的显著区域，提高了模型运算效率，使改进模型的运算时间只有原模型3%左右，使之适用于图像压缩中ROI的准确提取。另外，对JPEG2000图像压缩标准进行了探讨，分析了其中的一般平移法和最大偏移法，利用算法中对图像感兴趣区域压缩编码的方法，给出了改进的感知模型与图像压缩相结合的具体方法。由视觉感知模型确定图像的感兴趣区域掩膜，将之与其对应的图像一起用于该幅图像的感兴趣区域压缩编码。通过相关的仿真实验，表明了本文所提算法的有效性。