数字图像处理是遥感信息系统的主体，本论文针对遥感图像的特点，研究遥感图像处理中的压缩和超分辨率复原两个技术。主要工作包括：1.本论文首先阐明了本论文工作的研究背景及选题意义，然后对遥感图像压缩以及超分辨率复原技术的原理、技术和发展进行了综述。 2.首次提出了一种新的误差信息量(errorinformationcontent，EIC)失真测度，将该失真测度用于基于矢量量化的高光谱图像无损压缩。当矢量量化用于无损压缩时，压缩码流包括码书索引和量化误差两部分，其中码书索引占的比重较小，且难以进一步压缩，而量化误差在压缩码流中占相当的比重。采用EIC失真测度，可降低量化误差的熵值，即降低误差图像的熵值。与常用的欧几里德平方误差失真测度相比，采用EIC失真测度可在几乎不增加算法复杂度的情况下，提高无损压缩效率。 3.提出了一种基于波段排序和自适应三维预测的高光谱图像无损压缩方法。通过波段排序，寻找相关性强的预测波段，从而充分利用高光谱图像的谱间相关性。根据邻域像素相关性的变化，采用自适应的预测方法，实时的估计预测系数，从而提高预测精度。该方法可以同时去除空间和谱间相关性，具有实现简单，编码速度快，压缩效率高的特点。 4.由于无损压缩的压缩比较低且都有理论极限，在有些应用场合，人们允许损失较少的信息量来提高压缩效率，这种压缩方法称为近无损压缩。近无损压缩也是遥感图像压缩的方向之一。但是现有公开发表的文献对近无损压缩的含义描述较少，本论文总结前人的工作并结合自己的研究，对遥感图像近无损压缩的含义进行了较详细的讨论，并给出了一种最大绝对值误差(MAE)可控的、基于预测和量化的近无损压缩方法。 5.提出了一种新的MRF模型参数估计方法，用于MAP图像放大，或者是基于单幅图像的超分辨率复原技术。基于MAP方法的图像放大中，MRF先验模型的准确性直接影响高分辨率图像的估计效果，而目前的MRF模型参数估计方法大都需要已知样本图像，且计算复杂度较高。图像放大过程中，没有用于参数估计的高分辨率样本图像。为此，我们提出一种基于分块的自适应MRF模型参数估计方法用于MAP图像放大技术。这种方法对遥感图像和普通图像都有较好的效果，估计的高分辨率图像边缘能够较好的保持，峰值信噪比和主观视觉质量都有明显的提高。 6.本论文引入了基于多个分割函数迭代系统MPIFS的方法作为初始估计图像，从而降低迭代次数；在代价函数中引入平滑项，以去除放大块效应。这样，利用基于自适应MRF模型的MAP放大方法，能够进一步提高高分辨率图像的峰值信噪比和主观视觉质量。