作为信息的一种载体,图像在生产、生活中获得了日益广泛的应用。但是由于图像本身数据量大,给传输与处理带来了困难。为此,人们研究了各种图像编码的方法,用来去除图像中的冗余信息,减小图像的存储量。然而目前存在的许多算法中,当压缩比很高的时候压缩效果都不是很好,而且往往复杂度较高。这在硬件资源较少、实时性要求较高的系统中很难运行。针对此问题本文深入研究了压缩比高、复杂度小的重叠变换、矢量量化等算法,并且将相关的算法在嵌入式系统PDA上面进行了实现。重叠变换是与DCT和小波相并列的一种数学变换。本文研究了重叠变换的理论背景与定义,并对此领域内比较有影响的几种重叠变换进行了仿真实现。为了与重叠变换进行对比,本文也对DCT、小波等变换进行了仿真实现。同时考虑到SPIHT算法能够有效的进行频域编码,本文对SPIHT算法进行了实现,并将其与以上各种变换进行了结合,用以测试各种变换的编码性能。通过实验对比,本文深入分析了各种变换的性能与特点。为了进一步提高压缩比,本文同时研究了矢量量化编码技术,提出了一种改进的多级矢量量化器。传统的全搜索矢量量化器虽然图像编码质量很好,但是复杂度很高。多级矢量量化器虽然能降低图像编码的复杂度,但是相对于全搜索矢量量化器,其压缩质量下降很大。针对传统的多级矢量量化算法编码质量较低的问题,本文利用分类的方法改进多级矢量量化器。仿真实验结果表明分类多级矢量量化器能够在保持多级矢量量化器原有的低复杂度特点的同时,进一步提高图像压缩的质量,同时降低图像编码比特率。本文最后给出了重叠变换与分类多级矢量量化方法结合的一种低复杂度图像压缩方案。实验表明,这种结合方案能够有效的降低时间、空间复杂度,同时显著地增大图像压缩比。文章的最后还将此方案在嵌入式系统PDA移动平台上进行了实现。结果表明在资源较少、性能配置较低的硬件平台上,低复杂度的上述压缩方案更能显示其优势。