三维高光谱图像含有丰富的空间和谱信息。随着科技的进展，成像光谱仪的光谱谱段数不断增加，对地物信息分辨率不断提高，在遥感应用中发挥越来越重要的作用。 本文在分析高光谱图像特点的基础上，侧重研究KL变换和小波变换在高光谱图像压缩中的应用，实现了改进式KL变换/整数小波变换/SPIHT压缩算法。利用高光谱图像特性，提出了等间隔分谱段的改进式KL变换/整数小波变换/SPIHT压缩算法和自适应分谱段的改进式KL变换/整数小波变换/SPIHT压缩算法。为了对比以上三种算法的压缩性能，实现了三维整数小波变换/三维SPIHT压缩算法。本文主要进行了以下几个方面的工作：首先，介绍高光谱数据压缩中的变换和编码方法。主要介绍了KL变换、第二代小波变换和基于小波的编码方法，并提出改进式KL变换/整数小波变换/SPIHT压缩算法。该算法先用改进式KL变换进行高光谱图像的谱冗余的去除，然后选择9/7整数小波进行高光谱图像空间冗余的去除，最后应用SPIHT算法对经过上述变换后的高光谱数据进行压缩。其次，通过对高光谱图像的特性分析，发现高光谱遥感图像具有较弱的空间相关性和较强的谱间相关性，并提出在高光谱图像压缩中，应主要消除谱间冗余。最后，结合高光谱图像特性的结论，提出在改进式KL变换前，进行等间隔分谱段或自适应分谱段。设计了KLT/IWT/SPIHT压缩算法、32-PKLT/IWT/SPIHT。压缩算法、Auto-adapt PKLT/IWT/SPIHT压缩算法和3D IWT/3D SPIHT压缩算法。以上四种算法在不同比特率情况下，对16bit无符号的高光谱图像(128*128*224)进行压缩性能和算法运行时间的对比。本文的实验结果表明在比特率大于0.8bpp的情况下，Auto-adaptPKLT/IWT/SPIHT压缩算法明显优于其它算法，而3D IWT/3D SPIHT压缩算法的压缩速度优于其它算法．