K-L变换是在最小均方误差准则下进行图像压缩的最佳变换,可以将图像信号中各像素间存在的相关性完全解除。但其变换矩阵随图像内容而异,难于求解,并且数据量大。目前K-L变换在图像压缩领域除了用于去除多波段遥感图像的谱间相关性外,大多数都仅限于理论上的研究。对K-L变换理论进行了详细的介绍,并研究分析利用神经网络来实现K-L变换几种常用方法。然后在对K-L变换深入研究的基础上,针对其变换矩阵的缺点,提出改进方法。K-L变换经改进优化后,变换矩阵容易求解,且其数据量相对于整幅图像来说比较小。这样,K-L变换就可以应用于数字图像的压缩编码。以优化后的K-L变换为核心,结合量化编码、熵编码,提出一个基于K-L变换的完整的数字图像压缩编码/解码系统。先给出系统的整体框架,然后将系统划分为K-L变换/逆变换、量化编/解码和熵编/解码三个功能模块,详细阐述每个模块的实现过程,最后进行系统性能的测试分析。经系统性能测试表明,该图像压缩编码系统在数字图像压缩上具有良好的性能,在压缩性能上,优于当前最常用的JPEG压缩标准。