经验模式分解(Empirical Mode Decomposition,EMD)方法是美国国家宇航局Norden E. Huang提出的一种新的非平稳信号分析方法。作为一种新颖的信号分析工具,EMD方法从信号本身特性出发,将一个复杂信号分解为一系列固有模式函数(Intrinsic Mode Function,IMF)和最终趋势项的叠加。二维经验模式分解(Bi-dimensional Empirical Mode Decomposition,BEMD)方法是EMD方法在二维图像领域的拓展,提出和发展时日尚短,是一种新的图像多尺度分析方法。近几年来,BEMD方法逐渐被应用在图像纹理分析、图像去噪、图像融合等领域,但在图像编码压缩方面还鲜有研究。本文研究BEMD方法在图像编码压缩方面的特性,不仅为发展已较为成熟的图像编码压缩技术注入了新的活力,也拓展了BEMD方法的应用领域,具有一定的研究价值与创新意义。本文在简要介绍短时傅立叶变换、Wigner-Ville分布和小波分析方法三种非平稳信号分析方法的基础上,详细讨论了经验模式分解方法,尤其是在二维图像领域的拓展。针对现有BEMD分解算法分解速度慢、时间复杂度高等缺点,本文在极值点漏点处理、曲面插值和结束条件判断三个重要环节进行了改进,在保证分解效果的前提下,改进算法分解速度加快,节省了运行时间;现有的基于BEMD方法的图像压缩算法对IMF和剩余图像采取统一的编码策略,没有充分利用IMF与剩余图像的不同特性,本文根据IMF和剩余图像的不同特性,有针对性的对固有模式函数和剩余图像采取不同策略进行分类压缩处理,设计了一种基于BEMD的分类压缩算法;提出了一种基于图像IMF多分辨率特性分析方法,并在此基础上设计了一种基于IMF多分辨率特性的编码压缩算法,该算法利用不同分辨率图像IMF的空间相似性构造级联反馈编码模型,从而实现高效压缩,通过对比试验,结果表明:无论在压缩比还是峰值性噪比方面,该算法都优于经典的JPEG方法。