目前,该技术的研究热点主要有以下几个方面:

(1)小波基的选取。我们知道使用不同的小波基来分析同样一张图像会产生多种不同的结果,但是目前没有一个通用的标准。 

(2) 小波系数量化的方法。目前常用的有两种方法：标量量化方法和矢量量化方法[17]。标量量化简单易实现的特点被很多算法采纳,如:嵌入式零树小波编码算法、分层小波树集合分割编码算法等。矢量量化的好处是考虑了相关的系数之间的相关性,但由于需要码数设计的原因,会复杂很多[18]。86211

(3) 整数小波的变换[19]。目前常用的的滤波器都是采用小数地形式来表示的,因此它的输出是浮点数类型,这样在重构时就会产生非常明显的失真。如果可以用整数来表示就可以大幅减小失真。

(4)与最新小波编码技术的结合。目前正在正积极展开对EZW算法和SPIHT算法的研究和分析。 

图像压缩让图像可以简便而又快捷地存储和传输，又大大减小了对于图像传输过程中的带宽限制和计算器的处理速度要求，极大地促进了图像通信技术的发展。在实际的应用中,用户可以先看到图片的概览,同时在需要时又可以加载完整的图像。单一地采用有损压缩虽然在获取速度有巨大的优势,但会随之而来的是会损失掉图像信息中很多的关键信息，造成不可逆的质量损失;而单一地采用无损压缩又因为用户在看到图片之前无法大致了解图像信息的内容和对错,在等待中花费了大量的时间却依然有可能获取到错误的图像信息。传统的图像编码主要利用到的是离散余弦变换（DCT变换）,DCT变换因为压缩方法的局限性，也会导致明显的方块效应，尤其是在压缩比很高的条件下,会非常严重的影响图像信息的质量。离散傅里叶变换（DFT变换）的局限还体现在对非平稳信号的处理。因此，与其它编码方法相结合的研究方法也必将成为图像压缩编码技术的发展趋势。