目的及意义：

无损压缩是指在没有任何数据损失的前提下，降低数据量，获得低比特流的数据表示，是利用数据的统计冗余进行压缩，可完全恢复原始数据而不引起任何失真，但压缩率受到数据统计冗余的理论限制，一般为2:1到5:1。它主要应用于一些需要对数据作进一步处理，重复压缩与解压缩，数据的获取代价昂贵的领域，如指纹图像、遥感图像、医用图像处理等。针对高效，实时的数据无损压缩的要求，研究快速的数据无损压缩技术和算法有很重要的理论意义和实用价值。

国内外研究现状分析：

图像压缩编码的理论和实验研究距今已有近六十年的历史,许多压缩编码技术从理论到实现都进行了深入的研究。无损压缩算法已从单纯的熵编码发展为先基于一定的模型解相关后 再进行熵编码。而各种压缩算法的主要区别在于解相关所采用的模型不同。其中采用预测模型的有DPCM方法及一些改进的预测编码方法 ;采用多分辨率模型的有分层内插法 、差值金字塔法等 ;而 DCT法、Walsh-Hadamard变换法和小波分解方法等是基于变换模型的;另外,还有基于自适应倍增回归模型的方法。

随着医疗数字化程度的加深 ,尤其是以计算机网络为基础的图像存储与传输系统和远程放射医学逐步发展并走向实用化,必将对存储设备容量和网络带宽提出新一轮的挑战,而现有的无损压缩方法已不能满足发展的需要。因此必须改进现有压缩方法以期获得算法简单、易于硬件实现的无损压缩方法,目前来看 ,基于 预测和小波的方法性能较优; 同时,必须加紧新的效率更高的压缩算法的研究 ,以适应应用的需要。比如表征图像的模型有所突破,可能会促使无损压缩方法产生质的飞跃;另外 ,如果脑科学的发展能够让我们对大脑视区处理图像信息的机制有更深入的了解,必将促进压缩算法的革新,但这些工作短期内不可能有所突破。

对于高分辨率的医用图像和逐渐出现的高维 (三维、四维 )图像的压缩方法有待于进一步的研究。由于高分辨率和高维图像分别是在更精细的尺度上和多维的空间中描述图像的信息,所以它们内部所存在的冗余信息较一般图像更多。如何设计压缩方法充分提取高分辨率和高维图像中的冗余信息,并能提供足够快的处理响应时间是一个极富挑战性的研究方向。

对图像数据库等应用 ,除了需要减小其数据存储量外 ,更重要的是图像数据的查询和特征提取。如果查询和处理能够直接在压缩数据流上进行,必将大大提高系统的整体性能 。所以新的无损编码方法应考虑支持图像数据的查询和处理。

2. 研究的基本内容与方案

研究（设计）的基本内容：