استفاده از شبکه عصبی برای نوشتن الگوریتم فشرده سازی تصویر، به علت بهینه کردن روش فشرده سازی، امروزه از مهمترین روش های فشرده سازی تصاویر می باشد. امکان تعیین نرخ فشرده سازی، امکان کاهش خطای وفشرده سازی و امکان استفاده از توابع مختلفدر این روش از مهمترین مزایای استفاده از علم شبکه ی عصبی در فشرده سازی می باشد الگوریتم انتشار به عقب کارآمدترین الگوریتم شبکه ی عصبی برای استفاده در فشرده سازی تصویر می باشد. در این روش تصویر بهNبلوک تقسیم میگردد. هر بلوک بهNبلوک مخفی شبکه عصبی تحت وزن مشخصی وارد می گردد. سپس با عملکردی مشابه و معکوس بر رویNبلوک مخفی اعمال می گردد تاNبلوک خروجی، بدست آید و اطلاعات وافشرده گردند. برای رسیدن به ضرائب وزنی بهتر، این عمل بارها تکرار می گردد تا با کاهش خطا خروجی نسبت به ورودی، ضرائب به بهترین حالت همگرا گردند. یکی از ویژگی های مهم این الگوریتم این است، که نویز تصویر را نیز می کاهد و سبب افزایش PSNR تصویر می گردد.راهکار استفاده شده در این مقاله برای فشرده سازی تصویر نیز، استفاده از الگوریتم انتشار به عقب می باشد.ویژگی استفاده شده در این مقاله این است که از تابع توزیع تجمعی بهمنظور تابع نگاشت مورد استفاده شده برای الگوریتم انتشار به عقب استفاده گردیده است. این تابع سبب بهبود سرعت همگرایی کاهش خطای برگشت اطلاعت تصویر، و افزایشPSNRتصویرکاهش نویز می گردد.