本文主要就图像编码中的两个自适应变换进行了讨论：基于神经网络的KL变换和自适应小波变换。 首先，在分析了现有的基于神经网络的图像KL变换方法的基础上，对其中一类编码效果较好的方法进行了改进。原来的方法只采用一个变换矩阵，图像的编码质量与分块的方向有关，现在分别用行列两个变换矩阵，改善了这一缺点，能够得到较为稳定的编码效果。 其次，分析了小波基的一些重要性质，并结合现有的自适应小波变换方法，提出了一种新的自适应变换方法。现有的基于提升的自适应小波变换，是将提升结构的最后一次预测变为自适应预测，这样需要用特殊结构的简单滤波器，而现有的很多编码性能很好的滤波器不能被应用。新的自适应小波变换不依赖于特殊的某些小波滤波器，可以用任意的现有的小波滤波器进行实现。文中对实现该方法的几个关键之处进行了详细的分析，最后的实验结果表明在一定条件下可以获得比非自适应小波变换要好的结果。