近几年，随着神经网络理论的深入研究，神经网络技术的并行计算能力、非线性映射和自适应能力等优点得到了国内外学者的充分重视，各种神经网络模型在图像处理领域中得到了广泛的应用，尤其是在图像压缩领域得到了很好的利用。 本文将立足于混合神经网络技术和图象压缩技术实际的结合情况，做出新的探讨和尝试。 本文主要工作和创新包括： 首先，论文简要讨论了与课题研究相关的基本理论与方法，包括图像压缩的基本理论和方法，小波变换理论和方法，人工神经网络理论和方法以及神经网络应用于图像压缩的机理与优势等。 然后，对课题的主要内容进行详细分析，介绍了自组织特征映射SOFM(Self-Organizing Feature Map)神经网络的基本理论和算法，主元分析算法PCA(Principle Components Analysis)的理论和算法。 再次，详细介绍了PCA／SOFM混合神经网络算法以及它在图像压缩中的应用分析，同时总结了基于PCA／SOFM网络混合编码算法相对于传统SOFM算法的优缺点，将混合神经网络算法引用到小波领域，既利用了小波良好的频域压缩特性，空间压缩特性和多尺度相似性，又充分利用了PCA／SOFM网络的自组织性和小波的空间四叉树结构，提出了一种新的图像压缩思路。 最后，对混合智能压缩算法提出了改进，采用基于混合智能压缩算法的曲面拟合方法来设计码书，使恢复码书的方块效应得到了改善。