数据压缩的理论研究始于1948年香农（Shannon）信息论的提出，1959年，香农又进一步确立了失真率理论，从而奠定了信源编码的理论基础。随后伯杰（T.Berger,1971）等人又对其进行了深入地研究，并取得了一定的进步，为后人对该领域进一步研究打下了理论基础。
随着数据压缩理论的不断发展和日益成熟，一些研究人员逐渐开始对声音、文字和图像等信号的压缩技术进行了研究，先后经历了经典压缩方法和现代压缩方法两个阶段。
经典压缩方法[11]遵循香农信息论的基本理论，可分为无损压缩和有损压缩两类压缩方法。无损压缩方法（如Huffman编码、算术编码、游程编码等方法）设法改变信源的概率分布，使信号的概率分布尽可能地非均匀，再用最佳编码方法重新对每个信号分配码字，使平均码长逼近信源熵。该类方法的压缩效率都以其信息熵为上限。有损压缩方法（如预测编码、变换域编码、混合编码、矢量量化等方法）设法去除信源之间的相关性，使之成为或差不多成为不相关的信源，该类压缩方法也受信息熵的约束。
随着小波变换(Wavelet Transform，WT)、分形几何理论、数学形态学等数学理论和相关学科（如模式识别、人工智能、神经网络、感知生理心理学等）的深入发展，相继出现了新颖高效的现代压缩方法[12]，该方法包括子带编码[13]、小波变换编码[14]、神经网络编码[15]、分形编码[16]、模型基编码[17]等。
随着图像压缩技术在相关领域中的广泛应用，图像压缩的国际标准相继被制定，如在静止图像压缩方面已经制定了CCIT T.81、ISO 10918(JPEG)及JPEG2000[18]等标准。
研究内容与创新点
本文在系统查阅国内外医学图像数据压缩文献资料基础上，分析了医学图像数据压缩的发展现状，讨论了医学图像压缩的必要性和可行性，阐述了“医学图像数据压缩方法研究”课题的理论意义和实际应用价值。
本文的创新之处包括：
1、针对基于离散余弦变换医学图像压缩方法恢复图像中出现明显方块效应问题，对原压缩算法提出了改进方法，较好的消除了解压图像中的方块效应，改善解压图像的质量；
2、初步探讨了医学图像压缩中的小波变换若干相关技术，并对现有小波编码方法进行了分析与评价；
论文结构安排
本文的结构安排为：
第一章首先介绍了医学影像技术的发展、医学图像数据的特点，针对当今广泛流行的PACS系统和Telemedicine系统使用过程中出现的问题，阐述了医学图像压缩的必要性，并对医学图像压缩的可行性和医学图像压缩领域当前的研究状况进行了分析。
第二章根据医学图像固有的特点，阐述了医学图像压缩的原理和分类规则；另外还对医学图像压缩方法的评价标准进行了介绍，为评价压缩算法提供了依据。
第三章首先介绍了医学图像无损压缩方法的压缩原理，接着对现有的医学图像无损压缩方法进行了分析和比较研究，指出了各种方法的优缺点，并给出了医学图像无损压缩方法共同的缺陷。同时对医学图像有损压缩方法进行了研究和改进。
第四章本章通过分析小波零树编码的不足，对小波系数的零树编码进行了改进，实现了一种简洁快速的小波压缩算法，并在此基础上，应用了选择性医学图像压缩技术，在保留图像诊断性能的前提下，取得了很好的压缩效果。
第五章对基于变换医学图像压缩方法进行了研究，重点研究了基于DCT变换压缩方法。在基于DCT变换压缩方法研究中，针对该压缩方法解压图像中出现明显方块效应的缺点，同时对医学图像有损压缩方法进行了研究过对变换域的系数进行修正，对原有的压缩算法进行了改进，解决了压缩图像中方块效应问题。
第六章对本文研究工作和研究成果进行了总结，并对将来的医学图像压缩方向进行了展望。
