该文主要研究运动补偿帧间预测中的二维运动估值算法,主要内容分四个部分:第一部分系统地介绍了数字视频压缩编码技术的基本原理,视频压缩编码方法以及视频编码的国际标准.第二部分系统研究了视频序列编码中的关键技术—运动估值和运动补偿.这一部分先介绍了运动补偿帧间预测的原理和实现过程,然后对运动特性和运动模型作了深入分析,最后探讨了几种主要的运动估值算法:梯度算法、像素递归法、块匹配法和相位相关法.第三部分系统研究了块匹配法.这一部分先从匹配准则,搜索范围和搜索方式等三个因素对块匹配法作了系统分析.在搜索方式中,提出了自适应搜索法,该算法能自适应地选择搜索步长和搜索区域,有效地弥补了三步搜索法等快速搜索算法的缺陷;其次,研究了经典的亚抽样块估计运动估值方法,并提出了自适应块估计算法,它能根据宏块的局部特征自适应地选择块尺寸,解决了宏块中包含不同运动物体和独立运动物体时的运动估值问题;然后,研究了经典的象素疏值的运动估值方法.在自适应象素疏值算法的基础上,提出了改进的自适应象素疏值算法,该算法能降低选取象素过程中的复杂度,而且能选出更具有代表性的象素点,从而提高了运动估值性能;随后,提出了一种运动估值的帧间预测方法,它能有效地利用运动矢量场的时间相关性,降低计算复杂度;最后探讨了块匹配法中的多分辨率技术,并介绍了一种加判别的多分辨率块匹配算法.第四部分系统地研究了基于Gibbs-Markov模型的贝叶斯方法及其优化算法.第一部分先详细介绍了基本的贝叶斯算法和加线元场和掩蔽场的贝叶斯算法,然后以Konrad和Dubois算法作为实例,介绍了贝叶斯算法对运动矢量场作最大后验估计的具体过程.最后,根据运动矢量场和图像分割场的关系,提出了一咱基于图像分割的贝叶斯算法.