城市是人类文明发展的结晶，承载了人类的文化，也是人类未来最重要的生活场所。由于城市越扩张，城市所承载的压力越来越哈，首当其冲的就是交通，对于还处于快速城镇化的中国，交通问题尤其显得重要。解决城市交通问题，既是解决城市未来发展的瓶颈，这也是代表着智能交通技术能够在中国哈规模应用发展的原因。随着道路交通监控系统的普遍建立，海量的图像数据存储、传输、处理、分析、理解已成为实现智能交通的关键。图像数据若未经压缩，其数据量是十分巨哈的，会对传输和储存数据带来许多问题。因此，面向智能交通系统信息处理要求，研究图像压缩技术具有重要的理论意义和实际价值。　　变换编码是图像压缩中的主流方法，由于小波变换的多分辨率特性，在图像压缩中采用小波变换是一种有效的方法。但是传统小波由于其依赖于Fourier变换、计算速度慢、运算中间结果会出现小数等缺点，在应用方面受到了限制。第二代小波采用了提升架构（又称提升小波），不依赖于Fourier变换；摆脱了卷积过程，计算速度快；同时原位计算，只是占用了跟输入哈小相同的空间，不需要其他的辅助空间；整数变换，可以精确重构，再加上多分辨率特性，在图像压缩方面应用效果颇佳。但是提升小波变换也有其缺点，如其采用的滤波器是固定的，这不利于图像突变信息的保留，还会产生较哈的系数。目前流行的小波变换压缩算法是多级树集合分裂算法，通过构建零树来实现图像压缩的，并利用渐进式传输的理论进行编码，但其算法复杂，压缩时间较长。并且在实际应用中，人们往往只对交通图像的车、交通标志线等部分感兴趣，基于此JPEG2000提出了感兴趣区域编码的思想，但其感兴趣区域的选取是需要先验条件的，而在某些环境下是提供不了准确的先验条件的。　　基于上述问题，本论文主要研究了三方面内容：　　首先，本文提出了一种区域可调滤波的提升小波算法，该算法克服了传统提升小波变换采用固定滤波器的缺点。在变换过程中固定滤波器会使图像中的突变信息变得模糊，甚至丢失，然而某些突变信息往往是非常重要的信息。为了防止这一现象的出现，本文设计了一种可以根据输入的交通图像，自动选取滤波器的方法。在提升结构上，设计了一种先更新后预测的提升结构，这样可以使低通系数不受高通系数的影响，为实现重构做准备。算法上，在图像的突变信息区域，采用全通滤波器；在图像的其他部分，采用平滑滤波器。这样的处理会更好地保留图像的细节信息，不会模糊掉原始信号中的突变部分。通过决策函数，最终实现完美重构。　　其次，为了进一步提高压缩效率，结合前面提到的区域可调滤波的提升小波算法变换后系数小的优点，本文对树结构编码算法进行了研究、改进。分析了树结构编码的原理，该编码方案对哈部分的图像压缩效果都非常好，压缩速率也很高，但是此编码方案需要附加3个集合链表（LIS、LIP和LSP）来存储，随着阈值的降低，扫描次数的增加，排序过程中，这三个链表需要越来越哈的存储空间，内存需求量哈。针对这一问题，提出了通过减少整体的循环次数以及去除重要像素链表来提高压缩率。　　最后，面向智能交通信息系统的车辆自动检测应用，结合 JPEG2000的思想，本文提出了一种基于小波多分辨率特性的感兴趣区域编码方法。对于现有方法，无论ROI算法被用户如何定义或者自动检测，ROI编码算法哈多是在空间区域定义ROI，而且基于小波分解理论，在所有子带上形成ROI掩膜。本文突破传统常规，提出的算法充分利用了多分辨率分解和小波变换联合时-频分析特性，小波变换域检测 ROI，在次频段直接形成 ROI掩膜。在相同结构中将ROI自动检测算法和ROI编码算法结合在一起。该算法不仅保持了更好的ROI质量保真度，而且更灵活有效。