随着3G通信技术的飞速发展,出现了大量的低能耗的视频摄取设备,由于这些设备的内存和电池能量有限,他们要求低复杂度的编码算法,这对传统的高复杂度的编码算法提出了挑战。分布式视频编码(Distributed Video Coding, DVC)是一种新型的视频编码方式,由于将计算量大的运动估计去相关算法从编码端移动到了解码端,实现了低复杂编码算法,这样的特点使其非常适用于无线视频通信,因此,DVC逐渐成为视频编码领域的研究热点。传统视频编码成功的一个重要因素就是编码端采用了运动估计算法,相比之下,现有的DVC方案将运动估计转移到了解码端,利用解码端的恢复帧来进行运动估计以产生边信息,然而,不准确的恢复帧造成了运动估计的不准确,这将引起边信息的性能下降,最终造成DVC性能的下降。因此,为了提高DVC的率失真性能,本文将研究如何提高运动估计性能,以获得较准确的边信息。本文首先在DVC理论基础之上,研究了传统的几种运动估计方法,重点讨论了基于块匹配运动估计的几种快速搜索算法的算法复杂度和率失真性能;其次研究了现有的几种边信息产生方法,重点介绍了经典的运动补偿时域内插产生边信息的方法和最新的基于最大后验概率的期望最大化算法(Expectation Maximization,EM),并做实验比较了每种方法的性能,得出了EM算法产生的边信息的率失真性能最高。由于现有的EM算法有学习运动矢量时间比较长的缺陷,在此基础上,提出了将菱形搜索与EM算法相结合的技术方案,实验表明,在保持较高的率失真性能情况下,缩短了学习时间。通过研究EM算法,发现在运动矢量概率模型的学习过程中,初始的概率模型起到一个很关键的作用,因此,我们采用了基于概率自适应的EM算法,实验结果表明,采用概率自适应的EM算法在保持同样的率失真性能下,比先前的EM算法缩短了学习时间。