空间数据是地理信息系统(GIS)的血液。实际上整个GIS都是围绕空间数据的采集、加工、储存、分析和表现展开的。随着GIS应用领域的不断扩大，人们越来越需要丰富的、多样的空间数据。然而，大范围、高精度的空间数据，所需的存储空间是非常巨大的。同时，由于网络带宽的限制，使多用户的网络化服务也很难完成，特别是防汛、交通等需要快速传递信息的GIS更需要提高数据的传输速度；此外，数据量过大也使数据查询和处理的效率受到限制。因此，数据压缩技术应用于空间数据成为需要，它也是GIS实用化、网络化的核心问题之一。GIS需求层次的日益提高也带来了对多种尺度空间数据分析和显示的大量需求。不同分辨率，不同空间尺度上对地理现象进行观察、理解和描述，即对多种比例尺的空间数据进行分析、处理和表达成为人们的需要。 本文的主要内容是实现空间数据库中矢量数据和数字高程模型(DEM)的压缩及多尺度表达，以及影像数据的压缩。充分利用了小波分析、标量量化、矢量量化和神经元网络等方法，对这些方法在空间数据压缩及多尺度表达中的应用作了较为深入的研究和探讨。 首先对地理信息系统的概念及发展概况、空间数据的内容和数据结构以及小波分析的基本理论作了简要的介绍，并着重分析了图像小波变换系数的空间和频率分布特点。 然后论述了基于小波分析的矢量数据的压缩及多尺度表达模型，给出了具体的压缩模型和算法，解决了小波变换后矢量压缩数据的边界失真问题和特征点移位问题。 接着研究了数字高程模型数据的压缩及多尺度表达问题，介绍了小波变换在其中的应用，对数字高程模型小波变换系数进行了详细的分析和总结。并根据小波变换系数的统计特性设计了最优标量量化器。还对基于小波多分辨分析(MRA)理论的数字高程模型多尺度表达进行了初步的讨论。 最后针对空间数据库中的海量影像数据，提出了小波变换与矢量量化相结合的压缩方法。介绍了矢量量化的基本原理和一般算法，对小波变换结合矢量量化技术的特点进行了分析。重点讨论了矢量量化的关键技术，并在此基础上提出了两种新的码书设计方法。沈阳工业大学硕士学位研究生论文摘要(2 001级) 在解决空间数据的压缩及多尺度表达的一系列问题中，小波多分辨率分析理论以及基于小波变换的矢量量化为其提供了新的思路和方法，较好地解决了空间数据的存储和传输问题，也满足了人们对多尺度空间数据的要求。因此有较强的实用性和广泛的应用前景。