较高的光谱分辨率对于高光谱遥感图像的应用十分重要,但是,高光谱图像带来了海量数据,这给数据的存储和传输带来了巨大压力。高光谱遥感图像自身特性决定其不同于二维图像,因此从高光谱遥感图像自身特性出发来进行高光谱遥感图像的压缩就是一个重要的研究课题。论文探索了高光谱遥感图像的空间相关性和谱间相关性,研究其与静态二维图像之间的相关性差异。结果表明：高光谱图像的空间相关性要弱于二维静止图像,同时高光谱图像的谱间相关性要强于空间相关性。提出了兴趣体的概念,即感兴趣波段中的感兴趣区域。针对地物分类应用,研究了最佳波段选择方法；针对目标提取应用,研究了基于小波分解的波段选取方法。并通过仿真实验验证了两种波段选择的效果。在ROI提取过程中,论文采用了FastICA算法,并通过实验对比证明了该方法在突出目标以及抑制背景两个方面都明显好于其他常见方法,主要原因是事先利用MNF变换对原始数据进行降维,从而降低了噪声对目标探测的不利影响。论文研究了基于小波Contourlet变换和兴趣体保护的高光谱图像压缩方法。可分离二维小波变换对纹理丰富图像进行低比特率压缩时,图像边缘附近会产生“振铃”现象,而单纯的Contourlet变换具有4/3冗余度,导致Contourlet系数增多,不利于图像的压缩编码,因此研究了二者结合、优势互补的图像压缩算法。兴趣体保护较单纯的兴趣区保护或兴趣波段保护而言,保护内容更加精准,需保护的信息量大大减少,因此在进行相同码率压缩情况下,重构图像的兴趣区与背景区都将获得更优的图像质量。将Maxshift算法推广到三维图像,提升了BOI中ROI区域的变换系数。通过实验验证了在压缩比8：1时,本文提出的算法峰值信噪比达到了40dB以上,较单纯使用小波变换的3D-SPIHT算法提高了3.16dB；从视觉效果可以看到由于结合了Contourlet变换,重构图像纹理清晰,边缘明显。重构图像用于分类应用几乎未受影响。