本文首先追溯了神经网络的起源、分类、应用、研究热点，以及神经网络图像压缩处理的常见方法和研究热点。随后重点介绍了BP(Back-propagation)神经网络算法的原理，并详细的描述了相应的计算机流程与C语言程序。在此基础上，又根据图像压缩处理的特点，设计建立了BP神经网络图像压缩处理系统。 针对BP神经网络图像压缩处理的图像质量差、训练速度慢和传输信息量有限等固有缺陷，并根据BP神经网络与人类视觉特性相似的并行处理性、输入任意数据的自适应性和图像编解码的安全可靠性以及无损性等特点，我们采用双曲正切非线性S形传输函数、加均值量化和JPEG基线算法设计并建立了新的BP神经网络图像压缩处理系统。 在研究中，我们首先根据传输函数对BP神经网络图像处理质量的影响问题，采用了双曲正切非线性S形传输函数和线性传输函数以及对数S形非线性传输函数做网络图像压缩处理的实验。经过实验分析比较发现采用双曲正切传输函数的神经网络对图像处理的质量有所改善，从而证明了这种传输函数的有效性。在此基础上我们又采用了加均值量化算法，即，在图像数据输入BP神经网络算法之前采用加均值量化算法来提高神经网络图像压缩处理的训练速度。经过实验证明这种方法不影响神经网络图像处理的质量，而且缩短了网络传输的时间。又根据BP神经网络图像压缩处理中，存在对图像信息高低频部分处理质量不同和边缘效应等问题。同时，考虑到JPEG基线算法的空频变换在图像压缩处理中，对图像信息的频谱分布有影响的特点。我们提出了采用JPEG基线算法于BP神经网络图像压缩处理结构中，建立了该系统，并采用灰阶Lena图像进行实验。通过实验分析发现，这种新的图像压缩处理结构符合一般图像压缩处理规律，具有可行性。并且，将该系统分别与JPEG基线系统和BP神经网络图像压缩处理系统相比较，发现采用该系统来进行处理的图像，不仅可以得到较大压缩比，而且具有较好的峰值信噪比和重建图像质量。由此证明了这种压缩结构可以实现高效的图像传输。 通过对BP神经网络图像压缩处理系统的改进，可以得到较好的图像质量、较快的训练速度和较大的传输信息量。这种对图像数据进行自适应并行处理和安全可靠编解码的处理方法，可以应用于网络通信中。