近几年来,随着科学技术的发展,图像视频发生了爆发式的增长。随之带来了巨大的存储和管理成本。虽然图像数量巨大,但图像间存在很大的相关性,特别是在相似度较高的图像集中。像JPEG、MPEG等此类的传统图像编码技术不能充分利用这些相关性,使得其在编码效率的改进上已显得力不从心。所以,为了进一步发掘图像集中图像间的相关性,出现了面向群体图像的联合压缩编码,即群体图像编码。本文首先对传统图像编码进行了介绍,然后介绍了群体图像编码的框架及原理技术,为后面介绍基于多参考图像的群体图像编码做了理论和技术的铺垫。群体图像编码的关键技术包括编码结构的确定、参考图像的确定及变换图像的生成和基于块的运动补偿(BMC,block motion compensation)的高效视频编码(HEVC,High Efficiency Video Coding)。其中对变换图像的生成原理和技术进行了更加详细的说明,变换图像生成的关键技术有变形模型的产生,能量最优化,透视变换和光度转换。虽然使用单个参考图像的群体图像编码对图像集中图像间的相关性的发掘程度比传统图像编码的发掘程度高,但依然没有利用图像集中多幅图像间的相关性,而现在的研究都是集中于基于单参考图像的群体图像编码。为了充分利用多幅图像间的相关性,本文提出了基于多参考图像的群体图像编码算法。基于多参考图像的群体图像编码算法有一个重要问题需要解决,就是多参考图像的确定及多参考图像的变换图像生成。此问题涉及到群体图像编码框架中的第二个关键技术。本文针对此问题进行了深入研究,提出了两个新的算法,分别是“基于已确定编码顺序图像的多参考图像确定算法”和“基于已确定编码顺序图像和当前层图像的多参考图像确定算法”。“基于已确定编码顺序图像的多参考图像确定算法”仅在已确定编码顺序图像中搜索参考图像,而“基于已确定编码顺序图像和当前层图像的多参考图像确定算法”则是在已确定编码顺序图像和当前层图像中搜索参考图像。多参考图像的变换图像的生成是根据群体图像编码中变换图像的生成原理进行的。最后简要介绍了HEVC编码。通过对多个图像集进行测试,实验结果表明:在测试的多个图像集中,当参考图像数目为4,变换图像数目为3时,在相同比特/像素(bpp)的情况下,通过比较峰值信噪比(PSNR),基于多参考图像的群体图像编码比基于单参考图像的群体图像编码分别高0.21dB到0.49dB左右,而且在一定范围内,参考图像和变换图像的数目越多,编码效率越高。实验结果证明了群体图像编码中多参考图像的确定算法能明显提高编码效率,特别是针对图像集中存在一幅图像与多幅图像相关的情况。