自20世纪80年代以来,小波变换因其特有的多分辨率分析能力而被广泛应用于图像和视频编码领域,并取得了很好的效果。而矢量量化是一种高效的数据压缩技术,以压缩比大、解码简单和失真较小著称,已被广泛应用于图像和语音压缩领域。本论文主要研究时频双正交小波变换及矢量量化在图像压缩编码中的应用。首先简要地介绍了一维小波变换,并讨论了Mallat算法实现中的边界延拓问题。接着研究了二维Mallat算法,编写C语言程序对图像做二维小波变换,使用Matlab6.5分析了可用于图像编码的小波系数特性。然后介绍了三种典型的小波图像编码算法。矢量量化方面,详细阐述了其基本原理,深入探讨了矢量量化的关键技术之一—码书生成,研究了已有的典型算法,并对其进行了改进。在讨论Mallat算法实现中边界延拓问题的基础上,给出了对称延拓方式下有限长信号不需逐级计算而直接得到双正交小波系数的分解矩阵和由这些双正交小波系数重构原始信号的重构矩阵的构造原理,详细介绍了相应于9/7双正交小波的分解矩阵和重构矩阵的构造过程,并给出了其基向量和基图形。最后在VC6.0环境下,编写C语言程序,使用大小分别为32×32和64×64的对称延拓方式下9/7双正交小波变换矩阵对经典测试图像进行分块小波变换,对变换后的系数进行EZW编码。实验结果表明,用64×64的矩阵进行压缩编码重构后的图像质量较好;而选用64×64的矩阵做压缩时,将其与使用二维小波变换时得到的实验结果做比较,在比特率为0.01~1.0时,前者得到的压缩效果较好,重建图像的峰值信噪比平均提高约0.5~1.5dB。在Matlab6.5环境下,设计程序实现了利用64×64对称延拓方式下最大深度小波矩阵对图像进行小波变换、系数重排及矢量量化,比较基本的SOFM算法和改进的SOFM算法的实验结果,验证了改进算法的有效性。