论文主要研究图像压缩的两种稀疏编码方法——集合划分编码（SPC）和压缩感知（CS）,重点研究SPC方法的通用性、SPC方法无损编码的高效性、CS方法的解码质量等,为具有不同特点的侦察平台提供系统的图像编解码方法。论文主要研究成果如下:（1）针对SPC方法通用性差的问题,构建SPACS。已有的树形SPC（T-SPC）方法和块状SPC（B-SPC）方法分别侧重于利用小波域图像的子带间相关性和子带内相关性,均不具有通用性;论文设计能同时表示树形集合和块状集合的广义树、及相应的广义树划分规则,进而构建通用型SPC方法SPACS（k,p）。参数k决定对广义树的划分方式,参数p决定广义树的初始形状,可调的k和p使SPACS具有通用性:k,p取值较小,SPACS趋向T-SPC方法,可更多利用子带间相关性,适合于编码高频分量较少的图像;k,p取值较大,SPACS趋向B-SPC方法,可更多利用子带内相关性,适合于编码高频分量较多的图像。论文还提出直接表示小波域图像系数幅值的幅值比特、间接表示系数坐标的位置比特和冗余比特等概念,通过计量这些不同类型比特的数量可实现对SPC方法编码性能的定量分析。采用不同统计特性图像测试SPACS,结果表明:SPACS所使用的冗余比特数量平均下降4.1%,解码图像PSNR平均提高0.18d B。SPACS综合利用小波域图像的子带间相关性和子带内相关性,性能优于现有的SPC方法,可以有效解决侦察图像编码方法的通用性问题。（2）针对SPC方法的无损编码性能略弱的问题,构建SPACSC。通过分析几种特殊广义树的编码,建立SPACS编码所需幅值比特、位置比特、冗余比特数目的数学表达式,解释SPACS对具有不同高频分量统计特性的侦察图像编码表现出的差异性。为降低位置比特开销,论文设计广义树分类器,构建SPACSC。不同于已有的SPC方法对广义树直接进行“先检测后划分”的编码方式,SPACSC嵌入广义树分类器,预测“先划分后检测”和“先检测后划分”两种编码方式编码广义树所需的比特开销,选用比特开销较少的方式编码广义树。SPACSC对广义树分类处理适应小波域图像低层位平面稀疏度迅速降低的数据特点,可以减少SPACSC输出的位置比特1。采用不同统计特性图像测试SPACSC,结果表明:SPACSC的无损编码性能不仅优于JPEG2000,且接近或超过图像无损压缩标准JPEG-LS的编码性能。SPACSC提升了SPC方法的无损编码性能,可以解决侦察图像无损编码的高效性问题。（3）针对编码复杂度低的CS方法解码图像质量差的问题,构建SPL-TV算法。将定量表示图像整体结构的全变差作为正则项引入SPL算法的目标函数,构建SPL-TV算法的优化问题,使用硬阈值滤波和凸集投影近似替代SPL-TV算法目标函数中范数项的偏导,实现SPL-TV算法优化问题的梯度下降法求解。采用不同统计特性的可见光图像测试SPL-TV算法,结果表明:SPL-TV算法提升了CS方法解码图像的主观视觉效果,PSNR平均提高1.17d B。SPL-TV算法综合利用图像的局部平滑性和有界变差性,提升CS方法的解码图像质量,可有效解决小型侦察平台使用低复杂度编码方法时存在解码质量差的问题。