随着经济建设的快速发展,城市交通问题日益严重,迫切需要采用现代化的管理手段来规划管理交通,于是引起了对智能交通系统的研究。在智能交通系统中,图像信息因其直观、内容丰富,一直作为重要信息被采集和利用。但基于正交变换的图像压缩算法无法很好的满足对大容量、高质量的交通图像进行实时传输的要求,从而限制了智能交通系统的广泛应用。近年来兴起的稀疏分解成为图像处理领域研究的热点,它是一种非正交的分解,将图像分解在过完备原子库上,分解结果非常简洁。由于图像稀疏分解的优良特性,使其成为解决低比特率下图像压缩问题的新途径。针对智能交通系统中图像压缩问题,本文引入稀疏分解方法,并根据交通图像特点,围绕交通图像压缩问题进行研究。首先对交通图像的背景和局部相似性特点进行研究,然后对交通图像进行稀疏分解,最后根据稀疏分解结果数据分布规律,研究高效的编码算法。论文的主要工作及研究成果如下：1介绍了图像稀疏分解的核心思想以及图像的稀疏表示,针对图像稀疏分解计算量大的问题,采用基于粒子群算法的图像稀疏分解快速算法对交通图像进行了稀疏分解。2针对现有的排序差分算法的不足,给出了交通图像背景差分压缩算法。该算法利用交通图像背景相似特点,首先对交通图像进行背景差分预处理,然后进行稀疏分解,最后根据分解结果数据分布规律,设计编码方案。仿真实验结果及分析表明：该算法有效减少了交通图像背景信息冗余,与排序差分算法相比,在相同压缩比下,该算法提高了解码图像的峰值信噪比和图像主观视觉效果。3为了更有效的对交通图像压缩,给出了基于原子参数预测和量化的交通图像压缩算法。该算法首先利用交通图像背景和局部相似特点,对每次分解的原子参数进行预测,然后根据原子参数量化误差对重建图像质量的影响规律,设计了对原子参数预测误差的量化和编码方案。仿真实验结果表明,该算法有效的减少了原子参数编码冗余,与排序差分算法和交通图像背景差分压缩算法相比,在相同压缩比下,提高了解码图像的峰值信噪比和主观图像视觉效果。4为了构造有效的交通图像表示方法,给出了交通图像分层压缩算法。该算法将分层思想引入到交通图像的稀疏表示和编码过程中,并根据交通图像局部和背景相似的特点,首先分解一批相同背景的交通图像,以分解后的原子参数构建原子库,以构建原子库代替过完备库,采用贪心算法对交通图像进行稀疏分解。采用多级树集合分裂算法对稀疏分解后的残差图像进行编码。并对算法的性能进行仿真验证。与基于原子参数预测和量化的交通图像压缩算法、多级树集合分裂算法,交通图像背景差分压缩算法和JPEG方法相比,在相同压缩比下,该算法获得的解码图像具有更高的峰值信噪比,无方块效应,主观效果更好。