自然界中的图像具有复杂的纹理信息。由于经典小波变换只是对图像的竖直和水平方向依次进行一维小波变换的处理,它只能处理水平和竖直方向上的信息,从而不能有效反映图像中其它方向上的纹理信息或者边界信息。方向性的缺乏,为后续的压缩和去噪等图像处理带来了一定的影响。方向提升小波变换通过基于空间上的方向性预测提升算法来实现小波的方向性,提供了一种简单、易懂的解决方法,在实际应用中获得了比较好的图像压缩效果。但是这种方法有时需要在做变换时进行插值运算,并且还要判断选择最优方向,相比一般的提升小波变换,运算量比较大。本文针对计算量大这个问题,做了一些改进研究。通过利用基于灰度共生矩阵分块或方向滤波器分块的方法,自适应的选择提升小波变换,该算法能有效地结合方向提升的优点,在变换结果不发生太大变化的同时降低算法运算的复杂度。基于灰度共生矩阵方法可以分辨图像子块的平坦性,将图像划分为纹理和非纹理部分;基于方向滤波器方法则能在分辨图像平坦性的基础上进一步判断子块的方向性。对于方向信息比较多的纹理部分,采用方向提升来提高预测和更新的精度,以提高压缩性能。对于方向信息比较少的非纹理部分,采用普通的提升小波变换,以减少变换的时间。最后通过实验分析了基于两种不同分块方法的方向提升的变换时间和他们对图像压缩性能的影响。并在有损压缩的角度上将本文方法与ADL方法和传统的提升小波变换进行的比较。实验结果表明,基于两种不同分块方法的方向提升变换的变换时间相比一般的方向提升变换在时间上有所减少。在压缩性能比较中,本文的两种方法和ADL方法比传统的提升变换要来的好。同时,改进的两种方向提升方法和ADL方法在压缩性能上相差不大。