鉴于一幅实用的数字图像的海量数据传输和存储的困难，人们考虑如何在满足一定图像质量的条件下，尽可能的提高图像的压缩比。本文提出了基于BP神经网络的图像压缩的改进算法和神经网络用于基于四叉树的分形图像压缩的方法。 归纳起来，本文主要围绕下面的层次和思想展开： 1．以衡量图像压缩性能的信噪比和压缩比为标准，研究基于BP网络的图像压缩的机理，探讨它在图像压缩中的应用及其关键技术，分别应用BP算法的各种学习规则来实现图像压缩，通过一系列实验，分析和总结了压缩性能与各种网络参数之间的关系。鉴于以上几个方面提出学习速率η改进公式、权值△w的调整公式、陡度的取值选择以及多隐层的理论分析和实现，并且在现有的条件下实现了性能的分析和图像的重建。 2．通过着重分析传统的基于四叉树分形的压缩算法，提出将神经网络模型用于基于四叉树的分形图像压缩中，同时给出这种改进压缩的基本思想，并用堆栈实现其算法的步骤。最后通过执行时间的长短和算法复杂度来整体评价改进算法的和传统算法的异同，给出其优点。