作为缓解图像存储及传输压力的有效手段,图像压缩一直是研究的热点。随着高分辨率传感器技术的进步,大尺寸图像的获取与应用越来越普遍,图像压缩中一个迫切的需求是用有限的内存处理大尺寸图像。在图像压缩系统的硬件实现中,尤其是对于面向大众市场的消费电子产品,片内存储器(On-Chip Memory)是一种稀缺资源并且是控制硬件成本的关键要素之一。对于此类内存受限的环境，如何使用尽可能少的片上内存实现图像压缩是一个非常迫切的研究课题。针对离散变换在现代图像压缩系统中的关键作用,本文深入研究了图像压缩技术中最常用的离散变换,即离散小波变换(Discrete Wavelet Transform, DWT)、广义级联变换(Generic Hierarchical Transform, GHT)、广义树状多带滤波器组(Generic Tree-Structured Filter Bank, GTSFB)的低内存实现技术,具体内容包括以下几个方面：基于提升结构(Lifting Scheme)并利用图像压缩中常用的小波滤波器组的紧支撑性,提出了一种适合于基于父子树(Parent-Children Tree, PCT)编码的低内存多层DWT实现方法—SBWT (Stripe-Based Wavelet Transform).该方法生成与全局DWT相同的子带系数,且内存需求仅依赖于图像宽度、所采用的DWT滤波器组及分解层数。SBWT直接生成易于后续编码处理的PCT结构,任何基于PCT的编码器均可使用SBWT,且与SBWT之间无需中间缓存。由于不同的PCT对应于不同的图像块,使用SBWT的PCT编码器易于实现感兴趣区域(Region of Interest, ROI)编码且具有较高的抗误码性能。相对于DWT的全局行列法实现及其他低内存DWT实现,SBWT具有系统时延小、内存消耗低、易于实时实现等优点。基于常用的多带滤波器组的紧支撑性及FIFO (First-In First-Out)缓存技术,提出了一种具有低内存需求的GHT的实现方法。该方法具有下述四个特点：1)易于实现实时处理,可在数据采集设备采集样本的同时进行计算,并且所有子带系数在数据采集完成时已经被生成；2)生成与全局变换法相同的子带系数,但是内存需求大大减小且仅与图像宽度及采用的GHT相关；3)在FIFO缓存中直接生成广义PCT；4)该算法的内存需求是以广义PCT为生成单元的GHT实现算法中最小的。通过分析GHT各分解层中的数据流，给出了样本点与子带系数之间时序关系的闭合表达式,并且利用该时序关系证明所提出的GHT实现方法的正确性。通过将多带滤波器组的分析／综合部分均转化为单进单出(Single-Input Single-Output, SISO)的线性周期时变(Linear Periodically Time-Varying, LPTV)系统并在子带系数与时间索引之间建立一一对应关系,提出了一种内存可调节的GTSFB实现方法。该方法具有较低的内存需求且全部样本数据(或子带系数)只需通过系统一次,不存在数据重访。该方法的另一个特点是正、逆变换均具有与信号长度无关的低内存需求且该内存需求的大部分可在正、逆变换之间任意分配。针对不同的应用可以在分析／综合系统之间对内存进行配置,可达到最优性能。