图像编码一直是图像处理领域的热点问题,JPEG编码自出现以来就在图像编码领域占据重要的地位。而传统的图像编码方法大都仅仅是基于像素值处理的,通过对像素值进行预测、变换、量化以及熵编码达到图像压缩的目的。但是,这些编码方法并没充分的考虑图像的内容。在本论文中,我们提出了基于深度学习的图像编码方法,充分利用了图像的特征对图像内容进行分类,根据不同的类别对图像进行编码,从而达到压缩图像的目的,并取得了较好的效果。第一,为了基于图像内容对图像进行编码,本文提出了基于图像内容的分类方法。该方法使用了VGG-16网络结构模型、ResNet网络结构模型和HRe Net网络结构模型三种不同的深度学习网络结构来提取图像特征。对提取出的特征采用迭代量化方法将其映射成相应的哈希编码,再利用哈希编码的异同对图像内容进行分类。对于H-Re Net网络结构模型我们标记了200张训练图像作为网络的监督信息对其进行训练。此外,对于H-Re Net网络结构模型,可以根据标记图片,对不同的图像内容进行单独分类。第二,我们将这三种基于图像内容的分类方法应用于图像编码中。图像的编码过程中将采用分类的结果以及每个类别的索引图像块作为字典。对于待编码的测试图像,首先对测试图像提取特征,将特征映射成对应的哈希编码,根据字典生成其索引图像;其次,根据索引图像和原始图像计算残差图像,对残差图像进行编码。对比实验表明,我们提出的基于深度学习的编码方法与传统的编码方法JPEG相比,具有更好地效果。