随着移动互联网与物联网的发展,在各个领域中有大量的数据需要被快速的传输或者存储。为了尽可能提高数据的传输效率,减少存储空间,对数据进行压缩处理是必要的操作。而有损压缩技术能够在尽量保证信息可靠性的情况下,用尽可能低的码率去传输信息,对信息系统的发展有重要意义。而量化作为有损压缩的主要方法,是有损信源编码问题的关键。有损信源编码作为信道编码的对偶性问题,作为信道编码中常用的低密度校验（low-density parity-check,LDPC）码是一种适用于量化问题的重要编码方案。经过多年的研究,基于多进制LDPC码的有损信源编码方案可以取得很优秀的率失真性能,但是系统的二进制方案的性能仍然与率失真容量限有较大的差距。针对多进制LDPC码有损信源编码的系统复杂度高难以硬件实现,急切需要寻求二进制域上低复杂度性能优越的有损压缩编码,本文提出了一种基于二进制原模图LDPC码的有损信源编码方案。在矢量量化算法部分采用BP算法的一般化形式RBP（Reinforced Belief Propagation）算法,组成有损压缩编码方案,仿真结果表明,系统可以得到渐进率失真函数的性能;并通过采用结构化的原模图LDPC码码型进行系统仿真,可以得到更加优秀的率失真效果。为了进一步优化系统率失真性能,并保证系统复杂度不增加的情况下,提升算法收敛速度,本文针对矢量量化算法进行了优化,提出一种基于原模图LDPC码的改进的有损信源编码方案。利用RBP算法是BP算法的一般形式,根据BP分组调度算法思想,提出了一种Shuffled RBP算法作为信源有损编码中的量化算法部分。仿真结果表明,改进后的系统在二进制域上的率失真性能表现有了明显的提升,在达到渐进率失真函数的情况下,与多进制域的差距也不大;同时仿真时量化算法运行的迭代次数与参照组相比,平均收敛次数大幅下降,显著改善了系统收敛速度。