本文研究了小波变换理论在图像压缩编码中的应用。小波变换是调和分析的新阶段，近年来小波变换在图像和视频处理上的应用日渐普遍。 文中简要回顾了图像压缩编码的基本原理和主要方法，在对图像信息论和编码理论的研究基础上，提出下述观点：信息的本质即是统计的，也是结构的。结构化的信息被称为语义信息，本文对语义信息的属性作了猜测，扩充了香农（Shannon）的通信模型，说明了利用信息语义信道特性的编码方法为语义信息编码方法。 对小波理论本文以离散化和信息表示为主线作了讨论。小波变换提供了一种图像的多分辨率分解重建的表示形式，这种小波分解能够有效的利用人类视觉系统的特性压缩图像。本文综合设计了一种基于小波变换自组织映射神经网络矢量量化的图像压缩编码方法。首先，对图像作多分辨率分解。然后，对低频尺度图像作DPCM量化编码，对高频小波系数采用自组织网络训练生成码书，对矢量量化结果作熵编码。为了提高上述方法码书的通用性，提出了加权自适应共振网络矢量量化压缩编码方法。自适应共振神经网络设计目标是解决系统的稳定性和可塑性两难问题，本文参照自适应共振理论和小波矢量量化的特点，提出了简化的自适应共振网络结构和算法，给出了一种逐步适应信源特性的码书通用化的机制。试验结果表明了这种算法的有效性。 小波的多尺度边缘的检测与重建验证了图像信息的结构本质。文中采用样条小波，应用Mallat算法得到了图像的多尺度边缘检测结果，并介绍了一种利用图像多尺度结构化特性的语义信息编码方法。