随着多媒体技术和网络的发展,人们对数字图像在质量、大小和应用方面提出了更高的要求,希望能够用有限的空间和带宽资源存储与传递大幅图像,并且,根据实际需要,获得不同分辨率或质量的重构图像。这就使得图像压缩成为必然,图像压缩的关键技术为对图像数据的变换、对变换数据的量化、以及对量化后数据的熵编码。用小波的方法进行图像压缩是一种常用的图像压缩方法,其核心是小波变换的多分辨率分析以及对不同尺度的小波系数的量化和编码。本文共分三大部分。第一部分,论述了图像压缩的必要性和可行性,并重点介绍了图像压缩的基本原理和方法。第二部分,介绍了小波变换的基本理论和Mallat塔式算法,并根据数字图像的特征和图像压缩的要求,分析了小波变换在这一领域中应用的可行性和有效性。第三部分,给出了图像压缩的小波变换矢量量化算法,并在此基础上提出了一种基于能量的自适应小波变换和矢量量化相结合的压缩算法——在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,然后给出恰当的小波系数量化。在量化过程中,采用一种改进的LBG算法进行码书的训练。实验表明,本算法不仅广泛适用于不同特征的数字图像,而且在相近压缩比的情况下,主观视觉质量和峰值信噪比都明显优于JPEG标准。