随着科学技术，特别是信息技术的发展，图像处理技术已经成为科学研究不可缺少的强有力的工具，传统的图像处理方法无法满足需要，研究人员开始探索新的更有效的方法，其中利用神经网络进行图像处理是最活跃的方向。神经网络算法比起传统的算法表现出了很大的优越性，例如其具有并行计算能力、非线性映射和自适应能力。随着神经网络理论的深入研究，神经网络技术的并行计算能力、非线性映射和自适应能力等优点得到了充分的认识，各种神经网络模型在图像处理领域中得到了广泛的应用。神经网络技术也成为了当前研究的热门课题。 本文就神经网络在图像处理中的应用作了研究。首先简要介绍了图像处理研究的内容以及常用的图像处理技术，如图像压缩、图像分割等的常用技术：其次介绍了神经网络的原理结构，以及在图像处理等领域常用的几种神经网络模型，介绍了BP网络算法、RBF及Hopfield等网络的结构和原理，重点分析了神经网络在图像压缩和图像分割中的应用。针对神经网络用于图像压缩的优越性，讨论了基于神经网络主分量分析算法在图像压缩中的应用，它是把神经网络用于主分量的提取中，这种图像压缩方法降低了主分量分析算法的计算量，提高了主分量分析算法的实用性。脉冲耦合神经网络是近几年发展比较快的神经网络．本文对这一有效的图像处理方法作了分析，由于脉冲耦合神经网络具有一些重要的特性，如：捕获特性、同步脉冲发放特性、自动波传播特性等，它适合应用于图像分割中，本文讨论了脉冲耦合神经网络在图像分割中的应用，针对实际应用中的问题提出了改进方法，通过实验表明，改进的方法具有良好的性能。