多描述编码(Multiple description coding,简称MDC)是一种对图片、视频具有较强错误隐藏和错误恢复能力的编码技术。针对因互联网的异构性和无线通信网络的高误码率导致的不可靠传输问题,多描述编码将信源划分成多个独立的数据流,并使用不同的信道分别传输来减少信息在传输时受到的干扰与破坏。字典学习是一种用字典学习信号得到稀疏表示模型的方法,通过线性组合字典中的原子来实现输入信号的稀疏表示。在本文中,我们在字典学习算法的基础上对多描述图像编码方法进行深入研究。本文的主要研究内容如下:(1)提出了基于K奇异值分解(K singular value decomposition,简称KSVD)的多描述图像编码。KSVD是一种比较高效的字典学习算法,它利用给定的训练数据获得过完备字典,然后对传输图像进行学习从而获得图像的稀疏表示。鉴于图像是复杂的二维信号,使用小波变换(Wavelet transform,简称WT)或离散余弦变换(Discrete cosine transform,简称DCT)这种固定变换方法容易造成细节信息的丢失。因此,本文使用可以自适应学习字典的KSVD算法对图像进行变换,从而获得更好反映图像细节特征的稀疏变换系数。实验结果证实了该算法对图像恢复的高效性。(2)提出了基于量化的KSVD(Quantized KSVD,简称Q-KSVD)的多描述图像编码。Q-KSVD在KSVD的基础上对其学习字典的原子进行了量化,压缩了字典,在保持高效识别度的同时减少了字典的存储空间。鉴于KSVD中字典原子是简单地归一化后以浮点数形式存储在空间中,会占用较大的空间。因此,本文使用量化的KSVD对图像进行稀疏变换,对训练中的字典进行压缩从而减少存储空间的浪费。实验结果验证了使用Q-KSVD算法可以实现与未压缩时相当的图像恢复度,且极大的减少了存储字典所占用的空间。