超光谱图像是由遥感卫星或飞机携带的超光谱遥感成像仪生成的一组序列图像数据。由于这种数据既包含了目标在空间上的形态信息，又包含了目标的光谱，为分析地面目标性质提供了强有力的手段。超光谱图像包含了丰富的信息，数据量大，对在轨卫星传输和存储这些图像带来巨大压力，需要特殊的技术手段，利用超光谱图像的特征，实现快速的超光谱图像压缩。本文针对超光谱图像的特点，从以下几个方面论述并提出合理、高效、实用的超光谱图像无损压缩技术:　　首先，本文介绍了超光谱图像的成像原理以及生成图像的特征，经过实验对比，显示出超光谱图像在空间域和谱带域都具有极强的相关性，尤其是谱带域相关性，对超光谱图像无损压缩算法压缩比的提高起到重要作用。并着重介绍了目前现有的高效的超光谱图像压缩算法，并对这些算法使用的技术进行分类，指出目前已知算法的优点和缺点。　　其次，在对现有技术和算法分析的基础上，本文重点研究使用预测类算法架构的超光谱图像无损压缩算法。做出以下创新:　　一、本文对CCSDS(Consultative Committee for Space Data System，空间数据系统咨询委员会)提出的无损压缩编码标准进行了改进。针对该标准算法编码选项选择步骤，提出一种新的算法。该算法在确保压缩效果达到最优的情况下，有效降低了编码选项选择步骤的复杂度。　　二、本文提出两种新型超光谱无损压缩算法:LP(Levinson-Durbin Prediction)和RLS(Recursive Least Square)算法。　　LP算法采用Yule-Walker方程对超光谱谱带之间的相关性进行建模，使用扩展的Levinson-Durbin算法求解Yule-Walker方程，得到谱带间的预测系数;再通过预测系数获得当前像素的预测值;最后对预测误差使用自适应算术编码法编码。该算法预测较为准确，能够在预测过程中根据预测误差自动增加或减少预测谱带数目。　　RLS算法先采用当前像素邻域内的4个像素对当前像素进行预测，初步去除空间相关性，再将预测谱带中的对应像素作为RLS滤波器的输入，获得当前像素的预测值。该算法复杂度较低，压缩效果比现有的因果类算法压缩比高，具备良好的实用性。　　三、针对包含有稀疏直方图的超光谱图像，本文改进了一种两步预测算法，使其在压缩比损失较小的情况下实现快速的压缩，具备了实用的价值。　　最后通过实验以及和文献中的算法进行对比，验证本文提出和改进的算法，可以看出，这些算法在复杂度较低的情况下，取得了高效的压缩效果，具有较高的实用价值。