集成成像技术能够再现视差连续、色彩真实的大规模真实立体场景。然而,集成成像技术中能够重现三维场景的立体元图像阵列难以存储和传输,限制了其相关应用的发展。本论文以实现高效立体元图像阵列编解码为目的,尝试使用高斯混合模型拟合图像的像素信息,研究高斯分布间相似性,研究探索立体元图像阵列的压缩编码方法。作为基于高斯混合模型的立体元图像阵列编码的基础,本论文首先提出了基于高斯混合模型的图像编码方法,进一步将高斯混合模型引入立体元图像阵列编码。本论文打破了传统图像编码方法中以图像像素块为基础单位去除相关性的思路,针对集成成像技术中立体元图像阵列具有更高空间相关性的特点,用高斯混合模型对立体元图像进行预测和估计,最终实现了基于高斯混合模型的高效立体元图像阵列编解码。目前,基于高斯混合模型的图像编码算法研究较少,且存在以下问题:无法确定图像预测过程中所需的分布数目;利用模型预测的灰度值不够准确;立体元图像阵列内部立体元图像之间的相关性不够明确,没有明晰的分析和研究;编码性能有待进一步提升。针对现有研究工作存在的不足,本论文分别从高斯混合模型分布数目的选择、模型预测效果的提升和分布参数的分析及匹配展开研究。本论文的主要贡献与创新性工作具体包括如下五个方面:1.针对高斯混合模型中分布数目难以确定的问题,提出了适用于图像编码算法的高斯混合模型建模优化方法（GMO）。该方法兼顾图像重建质量和编码代价,通过计算不同分布数目下的GMO数值,选取最大数值对应的分布数目作为最佳分布数,确保了分布数目的最优化。该方法通过定量计算,确定了对于图像编码而言最佳的分布数目,且不会受到局部最优问题的影响,实现了相比现有前沿图像编码算法更为高效的图像编码算法。2.针对高斯混合模型预测图像质量有待提高的问题,提出了基于高斯混合模型和马尔科夫随机场的图像编码算法,该算法通过马尔科夫随机场描述高斯混合模型先验概率的分布,将图像的邻域约束引入到高斯混合模型中,通过提出的高斯-马尔科夫随机场混合模型,提升了预测图像质量。针对基于高斯混合模型和马尔科夫随机场的图像编码算法复杂度高的问题,提出了基于K-中值算法的混合模型建模优化方法（MMO）,该方法通过K-中值算法提供的初始参数计算并选择最小MMO数值对应的分布数目作为最佳分布数,在混合模型的参数估计前完成了分布数目的选择,降低了所提出算法的复杂度。同时由于使用了K-中值算法,MMO不受数据极值的影响。MMO无法像GMO一样让混合模型免受局部最优问题的影响,但是MMO可以有效降低编码算法的复杂度。3.针对高斯混合模型中,高斯分布之间的相似性无法量化的问题,提出了基于回归平面分析的三维协方差矩阵分解算法。该算法首先通过分析用于预测像素灰度值的回归平面与协方差参数之间的关系,计算出可以表示回归平面,并无损地恢复出协方差参数的三个向量,为描述高斯分布的几何特性提供了新的方法;然后,通过三个向量间的空间关系,进一步将向量转化为具有明确物理意义的高斯分布特征,实现了复杂的三维协方差分析,为定量分析高斯分布之间的相似性提供了可能。利用所提出的高斯分布特征,通过高斯分布特征向量的匹配,构建高斯分布特征字典,实现了高斯分布相似性的定量分析。基于相似分布的匹配,搜索和替换立体元图像阵列内的相似区域,有效利用了立体元图像间的相似性,实现了相比目前已有的前沿算法更为高效的立体元图像阵列编码。本论文对基于高斯混合模型的图像编码算法和立体元图像阵列编码算法进行了深入研究。所提出的图像编码算法解决了高斯混合模型用于图像编码时存在的问题。所提出的立体元图像阵列编码算法有效地利用了立体元图像之间的相似性,实现了高效的立体元图像阵列编码,为研究基于混合模型的立体元图像阵列编码提供了参考。