矢量量化技术作为一种有效的数据压缩技术,由于其算法简单,且具有较高的压缩率,因而被广泛应用于图像压缩编码领域。在图像矢量量化技术中,码书的设计是核心问题,码书设计的好坏直接影响到编码图像的质量,因此近年来对码书设计算法的研究受到非常广泛的关注。　　 自组织特征映射(SOM)神经网络算法用于图像矢量量化时被证明优于经典的LBG算法。然而实验发现,SOM算法用于训练生成码书时存在相当比例的无效码矢,并且存在训练速度慢的问题,影响了码书的性能和训练速率。基于现有SOM算法存在的不足,本文提出将三维邻域SOM算法用于图像矢量量化,并对算法中的参数,包括码书的大小、矢量的大小、学习参数和邻域参数等进行讨论并作了进一步的优化,使算法的性能更优。由于自组织特征映射神经网络是对生物神经系统结构和功能进行模拟的拓扑特征映射,而三维邻域SOM网络更符合生物神经系统立体结构的生物特性,所以实验证明,三维邻域SOM算法用于图像矢量量化码书设计时优于二维SOM算法。　　 最后,考虑到初始码书的选取对设计出码书的性能的影响,在分析现有常用码书初始化算法存在的不足的基础上,提出了新的码书初始化算法方差分类法,并通过实验验证了该算法的有效性。