论文主要内容包括五章.第一章介绍了图象压缩编码的发展背景.在第二章里主要讨论了SOM网络与BP网络的基本理论,首先概要介绍了神经网络的发展状况;随后对SOM网络的拓扑保持特性、网络的渐近收敛性及其基本算法进行了较为系统的分析;最后分析了BP网络的网络结构、数学描述及学习算法.在第三章里讨论了SOM网络在图象矢量量化压缩编码上的应用,首先构造了一个改进的邻域函数,便于对学习过程的控制;然后针对SOM网络学习过程中产生的"边缘效应"问题,改进了码书结构,减小了"边缘效应"影响;并且结合SOM网络的拓扑保持特性和输入矢量之间的相关性,提出了转移路径熵编码方法,有效降低了码率.结果表明SOM网络算法在性能及编码潜力上都优于传统的LBG算法.论文的四、五两章主要讨论了小波分析的基本理论,并在小波变换与神经网络的基础上提出了一种有效的,可获得高性能、高压缩比的图象编码方法.在第四章里比较系统的介绍了小波分析的起源、特点及基本理论,分析了滤波器组、子带编码和塔形分解等相关概念,并讨论了如何从FIR滤波器出发构造有限支集正交小波基与有限支集双正交小波基的过程.第五章里提出了一种新的小波域多级树分割量化的图象压缩编码方法,对多个量化器码书的优化设计采用SOM网络算法,并利用基于BP网络的熵约束非线性预测完成对小波分解图象中低频子块图象的编码.实验结果表明,这确是一种高性能、高压缩比的图象编码方法.