随着遥感技术的日益成熟,大量的高精度遥感图像也随之产生,如何对这些数据进行有效的压缩处理成为了急于解决的一大问题。另一方面,在数据通信过程中,信道传输能力以及接收端对图像分辨率的要求都是不同的,用户可能需要通过高速的服务器获得高精度的图像,也可能通过低速的调制解调器获得低精度的图像,如何解决对传输通道和图像的不同要求,也成为一大问题。为了解决上述两大问题,可伸缩视频编解码SVC(Scalable Video Coding)随之产生,可伸缩性又可称为可分层性,可分级性,即将原始图像一次性压缩成码流,在解码端根据不同需求解码出不同分辨率的图像,适用于不同的场合,可伸缩编解码方案是本课题研究重点。目前常使用金字塔模型实现可伸缩编解码,传统金字塔实现过程较为简单,以原始图像作为最底层,对它进行降采样滤波,得到第2层图像,继续在第2层图像基础上降采样得到第3层图像,以此类推,直到生成最顶层图像,则整个金字塔模型构建完毕。最后对每一层图像进行压缩编码得到每层的码流。传统金字塔没有考虑到层与层之间的相关性,因此编码后的压缩率较低,同时降采样过程中采用五阶滤波器,低频信号损失较多,因此解码后恢复的图像信噪比较低,基于此本文提出可伸缩层间编解码算法,在提高编码压缩率的同时最大限度的提高图像质量。本文的主要研究工作与创新点如下:1.深入研究金字塔模型与压缩编码算法,提出了可伸缩层间编解码算法,重新设计了图像金字塔框架,每一层只对原始层和预测层的残差数据进行压缩编码,最大程度上减少了层间冗余。2.根据新型金字塔框架的数据特点,对降采样滤波器和升采样滤波器进行了重新设计,降低了阶数,以保留更多低频成分。3.在传统压缩编码算法的基础上,对造成数据丢失的主要部分量化部分进行了优化和改进。提出基于重建图像压缩率的量化方法,由原先用户给定量化步长改为直接给定预期的压缩率,使用户对编码结果完全可控。另一方面,结合量化前量化系数的特征提出了非均匀量化的方案,对每个图像块的不同位置采用不同的量化步长,保留更多图像低频成分。4.对传统压缩编码算法中的熵编码部分进行了优化和改进。提出基于自适应码表的熵编码方法,将原先固定的7个码表,改为根据量化后的系数分布情况自适应生成最合适的码表,极大提高编码后的压缩率以及解码后的图像质量。