小波分析是近二十年来很受关注的一个领域，它成为了信号分析等领域的重要工具之一。而提升小波作为第二代小波，以其独特的算法结构、快速运算能力以及低存储需求，且适合于自适应、非线性、非奇异采样和整数到整数的变换等优点，受到信息科学领域的广泛关注。传统小波变换的滤波器长度和系数是固定不变的，不能随输入信号的变化而变化，这使得在分析非连续信号时，在跳变点两侧会产生大的小波系数；对具有尖锐边缘、分段光滑或奇异点、图文混合图像处理效果很差。针对此问题，结合提升方案的优势，本文提出了一种自适应提升小波变换算法，该算法在不增加额外存储空间的条件下，可根据待分析信号的局部特点，自适应的选择更新器，并能实现完全的重构。自适应更新器的选择，主要是保持图像边缘不被平滑，防止出现大的小波系数。为确保系统的稳定性，自适应提升小波变换采用先更新后预测的提升结构。在此结构中，预测过程不影响更新过程，也就是说预测过程不影响下一级小波分解，这也为自适应算法提供了有利条件。由于稳定性高、高频系数小以及能够完全重构，使得此方法有利于压缩性能的提高。将此方法和SPIHT算法相结合，本文实现了图像压缩，压缩效果令人满意。为了验证算法的实用性，本文的最后一部分给出了算法的仿真实验。实验结果表明了本文提出的自适应提升小波的有效性。