在图象处理中,人们对于图象不同区域范围的信息需求不同。图象的某些特定区域可能会成为观察重点,而对那些重点观察区域之外的背景部分却不会有太多信息需求。这类问题就是图象处理中的”感兴趣区域(ROI)”压缩处理问题。在图象数据压缩时,这些特定的区域相对于背景部分应得到更好的压缩效果,在传输过程中应得到优先的处理。本文重点对感兴趣区域提取算法进行了研究,在总结了现有研究成果的基础上,给出了基于感兴趣区域的图象编码压缩方案。本文所做的工作主要有以下的三个方面。首先,分析了均值平移聚类算法具有自适应梯度上升搜索峰值的特点,并将其应用于图象分割,针对均值平移聚类算法中,若不采用随机选取搜索出发点就会导致分割结果不稳定的缺点,本文使用一种改进的均值平移特征空间分析方法,利用非局部化均值在衡量图象像素间关系时自相似性的特点,将非局部化均值算法应用于均值平移聚类算法中,从而避免了聚类算法象素点间空间关系只能通过距离来衡量的缺点,虽然新算法需要执行非局部化过程,增加了复杂度,但是实验结果表明,此方法可以取得较好分割结果。其次,利用分割得到的图象边缘强度的灰度值,提出了一种利用图象边缘对阈值修正的自适应图象分割方法,该方法与用迭代法等求取阈值的方法相比,具有计算量小,可用于实时的处理,得到的最佳阈值不受噪声干扰的影响等优点,实验结果表明,利用边缘点灰度强度自适应确定阈值,从而实现图象阈值化分割的方法,在多数情况下能较好的分割并提取出图象的感兴趣区域。最后,给出了基于小波变换、最大位移、多级树集合分裂算法的感兴趣区域的压缩编码方案,并在Matlab平台上进行了方案的实现。相对于SPIHT算法实现ROI有损压缩编码方法,本文的方法能更好的提高图象的重构质量。