随着计算机技术、现代通讯技术、微电子技术、网络技术和信息处理技术的发展，在人类社会进入信息化时代的今天，图像信息的处理、存储和传输在社会生活中的作用越来越突出，人们对接受图像信息的要求也越来越迫切。由于图像数据信息量巨大，同时由于受到存储容量以及通讯带宽的限制，图像压缩在网络多媒体通信、遥感图像传程、图像数据库、自动指纹识别系统的指纹存储等应用中都起着至关重要的作用。 小波变换具有很好的时频局部化特性，小波变换后的图像数据能够保持原图像在各种分辨率下的精细结构。近年来，基于小波变换的图像编码技术取得了飞速的发展，然而如何更有效地组织和量化小波系数，进一步提高压缩效率，依然是小波图像编码领域的一个研究热点。 网格编码量化（TCQ）是利用网格编码调制（TCM）的原理来实现信号量化的一种方法，它利用卷积编码和信号空间扩展来增加量化信号间的欧式距离，并用维特比算法搜索最佳路径。该方法充分利用了网格的时间相关性，通过构造 编码率量化器来获得 编码率量化器理论上的所有的编码增益，是一种高效的量化算法，具有良好的细粒度特性。 针对以上背景，本文对几种经典的基于小波变换的数字图像编码算法进行了详尽的分析和研究，在此基础上，提出了两种新的小波图像压缩算法。 一种是依据系数幅值对小波系数进行分类然后再进行TCQ量化编码的图像压缩算法。该算法将SPIHT和TCQ结合起来，即可以有效利用SPIHT的空间方向树结构，又可以充分利用TCQ量化编码的细粒度特性，是一种有效的图像编码方法。 另一种是改进的QTCQ图像压缩算法。该算法对小波变换后的高频系数采用2×2的DCT变换进一步集中能量，并对变换后的系数进行系数重排以使得高频子带内的重要系数集中于相应子带的低频位置，然后再通过QTCQ量化器进行编码。仿真结果表明，在编码纹理及边缘信息较多的图像时，本章提出的改进算法取得了很好的压缩性能。