随着云中图像爆炸性增长以及图像分辨率越来越高,如何对群体图像进行压缩编码成为一个严峻的问题。传统的图像压缩使用JPEG、JPEG2000等方法,其主要思想是利用单幅图像的像素相关性、色彩相关性、人的视觉心理等进行压缩。但是,群体图像之间通常表现出一定的相关性,即:图像之间存在不同角度或相同角度的相似场景。针对这类群体图像,如果能利用图像之间的相关性进行编解码,将会进一步提高编解码效率,节省存储空间。面向群体图像的联合压缩编码,利用图像间的相关性,生成伪视频序列编码结构,并通过视频编码技术进行编码,有效地提高了编码效率。本文首先对群体图像的联合压缩编码框架进行了介绍,主要包括伪视频序列编码结构生成、参考图像的确定及变换图像的生成、HEVC编码。其中伪视频序列编码结构生成又涉及到图像间距离计算方法、图像聚类以及图像组结构生成三个模块。随后,本文针对群体图像编码相关技术进行了详细介绍。其中,图像间距离计算方法介绍了现有方法中基于匹配相似度的计算方法,并在此基础上引入匹配面积来描述两幅图像之间的相关性;图像聚类介绍了K-means聚类和AP聚类方法,并在随后的实验中进行了对比;图像组结构生成模块中介绍了图和最小生成树。最后,介绍了现有的伪视频序列编码结构生成方法,并分析了现有方法的缺陷。通过聚类后图像组中聚类中心到其它图像距离的标准差反映图像组内部相关性差异大小。针对内部相关性差异较大的图像组,提出基于最短路径的深度受限最小生成树算法,采用求解最短路径的思想,得到每个图像的最优参考路径;针对内部相关性差异较小的图像组,提出了两个新算法,第一个是基于朱刘方法和OTTC的深度受限最小生成树算法,对朱刘算法得到的最小生成树添加新边,并进一步采用OTTC得到深度限制的最小生成树,第二个是基于朱刘方法和蚁群方法的深度受限最小生成树算法,添加新边后,从当前节点集中选取出发点,并寻找新的节点纳入到树中,不断更新当前节点集,直到得到满足深度限制的最小生成树。通过对多个图像集进行测试,实验结果表明:聚类后,若图像组内部相关性差异较大,基于最短路径的深度受限最小生成树算法在各层限制下比现有HAP算法权值更小,编码效率更高;而在内部相关性差异较小的图像组中,基于朱刘方法和OTTC的深度受限最小生成树算法以及基于朱刘方法和蚁群方法的深度受限最小生成树算法在3层、4层、5层限制下,与现有HAP算法比较,权值更小,编码效率更高。