随着数字通信、多媒体技术的飞速发展,图像压缩编码已成为信号传输及存储中的一个关键环节。目前数字图像压缩编码方法的种类繁多,近些年,基于上下文的图像压缩算法成为一个新的研究热点,它因能获得高的压缩性能、好的重构质量而在图像压缩领域受到广泛应用。本文对基于上下文的图像压缩算法做了进一步的研究,主要包括以下几方面的工作:首先,本文针对目前基于下采样的压缩方法中存在的复杂度高及边缘重构质量差的问题,提出了一种低码率下基于自适应下采样和交叠变换的图像压缩方法,在编码端根据图像的DCT变换系数自适应地选择图像的平滑区域下采样,而在解码端使用简单的Cubic插值重构被下采样的平滑区域。另外,考虑到DCT变换只能去除块内的相关性,我们加入了交叠变换以去除块间的相关性。实验结果表明,该算法不仅具有高的压缩性能并且拥有低的复杂度。其次,针对传统的四叉树编码方法使用固定的编码浏览顺序及相等长度的码字表示一个重要块,本文提出了带有上下文权值和率失真优化的可变长图像编码方法,能够根据建立的上下文权值预测模型估计子块的重要性程度,调整子块的编码顺序,从而得到一种有效的可变长编码。另外,可利用上下文权值对率失真进行优化,使重要信息能被尽早编码,以进一步改善压缩性能。最后,本文提出了一种带有基于上下文的反量化技术的图像编码方法,在解码端能够根据前边已经解码出来的系数估计变换系数的分布情况,按照估计出来的分布曲线寻找待解码系数的最佳重建点,从而避免使用均值量化器。文中所提出的基于上下文的反量化技术使我们的压缩方法满足一种非对称的压缩方案,保持编码端的复杂度不变,而在计算能力更强的解码端采用更高复杂度的反量化器代替均值量化器,以提高整体的压缩性能。