小波分析是新兴的数学分析方法，已在诸多工程技术领域中得到成功应用。将小波函数与经典的神经网络相结合，用小波函数代替传统神经网络中的激活函数，就构成小波神经网络。小波神经网络具有一致逼近和L~2逼近的能力，具有极强的映射能力和泛化能力，这从理论上保证了它在数据压缩领域的应用能力。本文将小波神经网络应用于图像处理领域的压缩编码，从理论上讨论了它在图像压缩领域的性能。利用小波分析中的多分辨分析思想，构造了可用于改进图像压缩的一种小波神经网络模型，给出了相应的算法和计算公式。计算机仿真实验表明，小波神经网络用之于KL变换编码可获得比传统方法更优的压缩效果。在深入研究传统的图像预测编码的基础上，运用多小波的思想，构造了一种多小波神经网络模型，用于改进经典的预测编码方法，取得了较好的压缩效果。全文共分六章，每一章的主要内容如下：第一章综述本文所研究课题的背景、意义和国内外研究现状，介绍本文的主要工作。第二章概述图像压缩编码的理论基础知识、一些经典的压缩方法和图像压缩的国际标准。第三章综述小波分析的发展历程、小波分析的基本理论以及Mallat分解与重构算法。第四章综述神经网络的发展历程、神经网络的基本理论以及BP网络的结构设计与BP算法。第五章综述小波神经网络的发展历程、小波神经网络的基本理论，研究了小波网络的结构设计及其学习算法，最后利用小波网络来改进KL图像压缩，取得了满意的效果。第六章研究多小波神经网络的结构和学习算法，利用多小波网络对经典的预测编码方法进行改进，取得了预期效果。