国外现状本节中，将以时间轴线为依据，将图像压缩技术研究发展过程中的一些重大事件及成果进行简要的介绍。
自上世纪40年代开始，随着电视信号的数字化,图像压缩编码[ ]技术研究和分析工作已经逐步展开。29494
1969年，量化编码、变换编码[ ]等成为研究的焦点，图像压缩技术已经蓬勃发展。
1985年，Kunt等人提出了新型图像压缩编码概念，该概念基于人眼当中的视觉特性，弥补了传统图像压缩编码中存在的图像压缩比小、失真严重等缺点。
1987年，著名的Mallat算法首次在小波变换当中运用处于计算机视觉范畴之内的“多尺度分析思想”，使得此前各类小波构建方法得到统一。论文网
1988年，Sloan 与Barnsley共同提出了图像分形压缩编码技术，该方法考虑到了图像所传递的景物的特征，具有解码分辨率无关性与压缩潜力大等优点。
1995年，RD Dony，S Haykin[ ]对基于神经网络图像压缩信号处理工具进行了阐述，它拥有和人类视觉系统相似的一些特征，使得我们能够更容易地处理图像信息。
2000年，制定了EG2000，属于静态图像压缩标准，并在之后不断完善更新。该标准中综合运用小波变换、画布坐标系统、EBCOT编码等算法。
2014年，S Kim，NI Cho[ ]提出了一种新的无损压缩算术编码，该算法基于分层预测和上下文自适应，首先通过可逆的颜色变换对其进行解相关，然后通过传统的无损灰度图像压缩方法对Y分量进行编码。
2017年，FM Bayer，RJ Cintra[ ]提出了一种低复杂度的8点正交变换DCT算法，该算法只需要进行14次加法运算，不需要乘法或移位运算。
 国内现状
1997年，武汉大学李清泉, 李德仁[ ]提出一种三文RLE编码，该算法在行程编码中引入了线性八叉树。
1998年，吴宇新, 余松煜[ ]提出LZW改进算法，该算法将原算法中的单一串表机制改为双串表自适应更新机制，测试结果显示压缩效率明显提升。
2000年，闫宇松, 石青云[ ]将DCT变换进行改造，克服了常规DCT变换中计算机浮点运算的误差，直接从整型变换到整型。这样的改进，是DCT算法可以实现图像的无损压缩。
2007年，祝本明，刘桂华[ ]提出了一种改进的自适应改进RLE编码，该算法基于数学形态学和小波变换。将图像经过小波变换后，再利用数学形态学进行膨胀处理，处理后的图像可出现大量“0”值。
2010年，复旦大学田杰华，顾晓东[ ]等人提出了一种低比特率小波算法。该算法对图像不同区域小波系数分别进行量化，同时对小波分解后的不同子带系数进行视觉重要性加权，视觉上最重要的系数将优先进行传输。
2016年，严珍珍，刘建军[ ]提出一种DCT改进算法，该算法优化DCT系数的选取方法，可控制图像压缩数组的大小,提高图像恢复质量。
总的来说，对于图像压缩的研究，国外研究较早发展状况也较好，但二十一世纪以来，国内也发展状况也转好，并提出了一些优秀算法。 图像压缩技术国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_24775.html