航空圖像由于可以提供大量豐富的直觀信息，因而在軍事偵察、搶險救災、氣象探測等領域得到了廣泛應用。航空圖像由于是遠距離成像，所以分辨率較低且數據量很大。如果要把拍攝的航空圖像實時回傳，就必須對其進行壓縮編碼。由于圖像壓縮算法復雜，因此決定了回傳系統必須采用高速數字信號處理芯片來實現。DSP作為當前運算性能最高的信號處理芯片，成為實現系統方案的最佳選擇。
　　目前進行圖像壓縮的方法很多，主要集中在小波變換、分形壓縮、神經網絡編碼等幾個領域。其中小波變換編碼憑借其優良的時頻特性和多分辨率特性成為最熱門的研究方向之一，并在圖像壓縮領域占據了主導地位。但傳統的小波變換計算復雜，且都是在頻域進行。1994年，W.Sweldens提出了一種新的小波構造方案——提升小波。它可以進行原位運算，硬件實現時較為容易，且可以節省內存空間，這一點對于提高系統性能、降低系統成本非常重要；和傳統的小波變換相比，它可以把計算復雜度減小一半，運算速度非常快；此外，提升方案適合用SIMD（單指令多數據流）來實現，這和DSP的多總線讀寫結構是一致的［1］。鑒于提升方案的諸多優點，本系統在具體實現時其小波變換部分采用提升算法來實現。
　　Shaprio于1992年提出了零樹編碼方案，它采用全新的零樹結構來表征小波系數，使小波變換應用于圖像壓縮的優越性得到了充分的體現［2］。由于零樹法高效的性能，人們在其基礎上又提出了各種改進方法。1996年，Said和Pearlman提出了基于等級樹集合分割的算法——SPIHT算法［3］。該算法也是基于零樹思想，但采用集合劃分來進行編碼，在系數組織方面更有效，壓縮效率也更高。SPIHT算法已經成為公認的編碼效率最高的算法之一，即使不采用算術編碼進行熵編碼，編碼效率仍然很高，優于前面的零樹編碼。因此，本系統在具體實現時采用SPIHT算法對小波系數進行編碼。
　　1 軟件實現
　　1.1提升小波的實現
　　由于圖像的非平穩統計特性，任何一組小波基都不可能同時最優地刻畫所有的圖像特征，因此存在小波基的選取問題。從熵、峰-峰比PPR、廣義編碼增益、抗誤差性能分析等幾個方面綜合比較，本系統采用Antini9/7作為提升方案的小波基［4］。該小波提升方案的實現過程如下：
　　Antini9/7的分析濾波器為：