图像和视频是与人感官最密切的信息载体,而网络通信、大规模集成电路以及传感器等技术的飞速发展和人们生活、娱乐、学习和科研等需求的快速提升,不但使人们获取图像和视频的方式日益增多,也使图像和视频的空间、时间和谱间等分辨率及量化深度不断提高,从而导致数据量迅速增加。无论从设备更新速度还是经济条件的角度,单靠硬件的支持已经不能满足实际需要,而有效的解决方法之一就是通过低复杂度的图像和视频压缩减少数据量,节省存储空间和传输带宽。而图像和视频压缩技术逐渐成熟和标准化使得海量的压缩数据广泛存在,如何从这些压缩的大数据中直接挖掘出需要的信息,实现压缩域图像和视频的快速再压缩,以便满足不同应用场景对不同码率的需求,已经成为人们研究的一个热点。直接在图像和视频压缩域进行快速再压缩,既可以省去“解压缩-再压缩”的复杂过程也可以避免压缩域已存在信息的重复计算,从而大大提高快速再压缩的整体性和实时性。由于前端压缩器已经很大程度上消除了图像和视频的冗余,在再编码过程中,如果仍然采用针对整幅图像无差别的再压缩方法,很难满足实际需求,因此,基于显著性感知的视频图像压缩域再压缩系统逐渐受到了人们的关注,而在该系统中压缩域的显著性检测是关键。本论文围绕图像和视频压缩技术进行研究,主要包括图像和视频低复杂度压缩算法研究和服务于基于显著性感知的压缩域快速再压缩的显著性检测算法研究,具体工作概括如下:一,JPEG2000由于采用具有良好时频特性的DWT取代了传统DCT,在编码效率和复原图像质量上均远优于JPEG等传统压缩算法。但已有的JPEG2000算法,多是在单小波子带采样的基础上进行改进和完善,具有复杂度高、能量分散的缺点。针对该问题,本文采用以具有自仿映射性的三角区域为支撑区间,以其上的常数函数为尺度函数构建的具有对称、紧支、正交的双正交不变集多小波滤波器取代JPEG2000框架下的单小波滤波器。实验证明该双正交不变集多小波滤波器用于图像压缩具有算法复杂度低、变换后能量和熵集中程度高、无分块效应以及便于并行计算等优点。二,高光谱图像以其高度的图谱合一特性被广泛应用于农业、工业和军事等领域,而分布式信源编码是符合高光谱图像数据特点的有效压缩方法。但已有的分布式高光谱图像无损压缩算法主要强调了谱间相关性,而忽略了空间相关性。针对该问题,本文给出了基于预测误差分块和多谱段预测的分布式高光谱图像无损压缩算法。该算法把高光谱图像每个16×16像素块的预测误差分成4×4的预测误差子块,每个4×4预测误差子块传输的比特率由该子块最大的预测误差来决定,并采用多元陪集编码方法进行压缩编码。这样可以充分利用高光谱图像的局部相关性,而且不必增加额外信息,从而降低传输比特率。实验结果表明,该方法具有较好的压缩性能、较低的编码复杂度和高度的并行性,非常有利于卫星在轨压缩。三,图像和视频压缩算法的逐步成熟和标准化使得海量的压缩数据广泛存在,如何从压缩的图像和视频流中提出有用的信息进行再压缩是一个新的研究热点。本文提出了一种基于预测残差DCT系数范数(RDCN)和操作块描述长度(OBDL)的快速高效显著点检测模型,为压缩域基于显著性感知的再压缩技术服务。直接提取于部分解码的RDCN特征和OBDL特征分别归一化后,进行空域和时域滤波得到SRDCN和OBDL特征映射图。然后,使用随着量化参数变化的融合系数对SRDCN和OBDL特征映射图进行融合。最后,采用高斯模型进行显著性增强和非显著性抑制。该显著点检测模型集成了像素域显著性检测的有效性和压缩域显著性检测的实时性。实验表明该模型具有比目前显著点检测模型更高的检测准确度,而且速度比同类算法快10倍以上,非常适合于压缩视频流再压缩或转码以及嵌入式的相机实时显著性检测。四,图像和视频基于分块的压缩算法决定了压缩域中提取的显著性检测特征具有局域性,而显著性不但具有局域性也具有全局性。针对该问题,本文提出了基于预测残差离散余弦变换系数(RDCN)范数和马尔可夫场(MRF)的视频图像压缩域显著点检测模型。RDCN特征直接提取于部分解码的压缩视频,该特征经过归一化、时空滤波后(SRDCN图),被送到MRF模型,并得到优化的二进制标签图。根据标签图和中心显著图,对SRDCN图进行显著性增强和非显著性抑制,最终得到SRDCN-MRF显著图,完成视频图像压缩域的人类关注点检测。与相似的MRF模型相比,不但改进了已经存在的能量函数,并且引进了表示关注点位置信息的新的能量函数。这些改进有利于进一步提高显著性检测精度并降低计算复杂度。在两个通用的具有标定的数据库上,通过多个精度检测标准对该模型进行验证和比较。实验结果表明所提出的显著性检测模型和现有最新的压缩域和像素域的模型相比具有较好的效果,与同类模型相比该模型的计算复杂度降低超过26%。