模拟视频数字化后,数据量巨大。在对其进行实时处理时,对存储容量、传输带宽及计算机的处理能力提出了不切实际的要求,从而使数字化成为不可能。因此,必须采用数据压缩技术,将那些对人眼感知图像不太重要的东西和图像中的冗余成分抛弃,从而缩减了存储、传输和处理的数据量。这样就出现了一系列的视频压缩编码标准,而视频压缩的原理是考虑到视觉数据中的结构知识和视觉等冗余,利用了帧间编码技术来获得更高的压缩比。帧间编码是利用帧间图像的相关性,通常用减少帧间传送帧的数目即降低帧率,以减少时域的冗余信息,采用运动估计和运动补偿的方法以满足解码图像质量要求。本文就运动估计的优化提出了基于共轭梯度的自适应运动估计,此方法引入了共轭梯度的搜索,将边缘检测与运动估计相结合,使得在搜索的过程中能准确快速的得到估计值。在新一代的视频编码标准(MPEG-4)中还引入了基于对象的提取,本文也就对象的提取(图像分割)提出了一种新的分割方法:基于的聚类图像分割。人们在对图象灰度值做统计分析时,大都采用正态分布来分析,但从大量的实验中发现,其大部分不是完全服从正态分布,有的甚至相差很远,这样就有必要用更好的分布来拟合图象灰度。通过对物体的颜色、光强进行分析发现,人们看到的物体颜色是多种环境——环境光强、漫反射、镜面反射等等共同作用的结果。这样如果单纯地用正态分布来分析就会出现较大的偏差,那么也就不能很好地拟合分布曲线,因此这里提出了用分布来拟合图象灰度分布曲线,实验结果表明通过分布可以得到更好的分割效果。另外从视频压缩编码标准的实用性出发,本文还研究了基于视频压缩的图像放大工作。在图像放大的过程中,一般采用的是零阶或高阶线性插值,在插值后会出现马赛克效应和边缘模糊的现象,而这种现象主要在边缘部分,我们考虑到插值后在边缘会出现边缘模糊和纹理方向的改变,因此在边缘部分我们采用了变方向插值和多项式卷积因子相结合的方法,即是超双线性插值法,有效的解决了图像放大后容易出现的马赛克效应和边缘模糊现象。