物联网的兴起已经成为现如今我们所处的信息化社会中推动多个行业智能化发展的一大趋势,通过尽可能地大量铺设各种传感器网络,可以实现对处于互联网连接覆盖下的各种设备进行远程控制和实时感知。其中对于类似无人机阵列、自动驾驶或者是智能交通信号控制等应用场景就需要依靠数量庞大的图像传感器和对应的传输设备。传统的图像信号传输方案需要分别进行JPEG等压缩编码和基于比特信息表征的传输。然而,相互独立的压缩和传输过程并非最优的,因为传输过程带来的信息错误会降低解压得到的图像效果,而我们并不能通过压缩编码去应对这一影响。本文提出了一个基于生成对抗网络的图像信号压缩编码传输一体化模型。其中发送端使用一组随机的压缩编码参数,而只需要对接收端进行网络参数训练就可以感知当前信道的状况并对信道传输错误进行补偿,从而得到更好的图像恢复效果。对比目前基于信源信道联合编码的方法,本方案简化了参数训练过程,且不改变基于比特信息表示的物理层实现。对比传统的JPEG等图像压缩和传输方法,本方法具有更好的图像恢复效果,特别在传输错误存在时优势更加明显。其次,考虑到实际通信场景下信道容量条件和图像质量要求的波动,例如在车联网等信道快速变化场景下,我们希望压缩精度可以随着传输信道容量的改变而改变。所以在此基础上我们还提出了一个可以实现多尺度自适应的传输模型。其不仅相比使用独立的多个传输方案参数量更少,并且可以对多个压缩比例的图像传输质量进行综合性的提升。最后,由于在物联网通信场景下收发双方一般需要依靠边缘计算中硬件性能受限的嵌入式设备,我们还针对这一需求进一步提出了一个二值化传输模型,在保证图像传输质量的同时将模型运算量降低为原始的21.1%,并且更利于在嵌入式设备上进行部署。相比通过降低模型接收端的网络维度来减少参数量的方法,我们的方案在恢复图像效果上具有明显的优势。