传统的傅里叶分析往往不能同时在时域和频域提供很好的局部分析能力,这个不足极大地限制了其在非平稳信号领域的应用。而小波分析却天生具有自适应分析能力,在分析低频信号时具有较好的频域分辨力,在分析高频信号时具有较好的时域分辨力,这种特性为信号处理提供了更多的自由度,适应于很广泛的信号。同时由于小波变换能够将信号的能量集中到少数几个较大的小波系数上,同时不同分解级数上对应相同空间区域的小波系数之间存在紧密联系,这些独特优势使小波在信号处理领域得到了广泛的应用,例如信号去噪、边缘检测、图像压缩等等。随着技术的进步和社会的发展,各种图像应用不断涌现,并且对图像信息的要求也越来越高。但是由于存储空间和传输带宽的限制,日常所用的图像信息往往需要进行压缩处理,才能满足各种各样的需求。小波变换的独特性质使得其在图像压缩领域表现出色。本文首先对小波分析的历史进行回顾,重点介绍了小波变换的性质和多分辨率分析,对实际应用中选择小波函数的依据进行了说明并介绍了常用的几种小波函数。随后稍微回顾了图像压缩背景,对JPEG和JPEG2000这两个图像压缩标准进行了介绍,对各自的优势和不足也有说明。针对JPEG2000图像压缩标准中使用的CDF 9/7小波,首先分析了提升算法的实现原理,并介绍了若干已经提出的实现架构。最后考虑将其中的预测和更新过程合二为一,提出一种改进算法的实现方式,并将结果与其他的实现方法进行了对比。结尾部分进行了总结并对其中的不足进行了分析,同时可能出现的改进和突破进行了展望。