低码率图像压缩编码技术是当前视频传输领域的热点课题。低码率视频图像压缩技术主要涉及视频对象提取（图像分割）、视频对象的运动估计和补偿、视频对象的编码等三个方面的技术。　　自从MPEG-4标准正式提出视频对象(Video Object)的概念以来，人们进行了许多视频图像分割的研究，但目前仍没有普遍适用的准确进行视频对象分割的算法，以至于许多基于视频对象的低码率编码方法，如模型基方法、ROI（基于感兴趣区域）的方法等都无法真正地实现。　　视频编码算法中的运动估计和补偿技术一直是人们进行视频图像编码研究的重点，因为它可以减少图像时间方向的冗余度，对降低码率的作用是非常明显的。如何提高图像的运动估计的准确度，是在计算的复杂度、码率和精度之间的折中的问题。对不同类别的图像或图像中的不同区域进行不同的运动估计计算，是实现好的折中的有效途径。特别是对于视频会议系统中前景变化不太，背景几乎不动的场景，对视频对象本身进行运动估计和补偿计算就更有意义。通过对象来估计运动的基础是对象的准确分割。但至今用于视频压缩的对象分割技术存在一些问题，也就限制了基于对象的运动估计和压缩在实际中的成功应用。因此，对象的分割是当前基于对象的图像压缩的研究热点之一。　　传统的图像压缩技术是以人的视觉感觉为依据的，即在保证恢复后的图像在视觉感觉上仍然有足够清晰度的基础上，丢掉冗余信息。我们称之为“面向图像”的压缩。随着图像监控的需求增长，图像压缩也可以是“面向特征”的，即只保留监控所需要的特征信息（一般是细节信息，而面向图像的压缩更多地保留低频信息）。这样就可以采用与传统方法不同的视频图像压缩方法对图像进行低码率压缩，现有文献对此鲜有讨论。　　由于目前人们对人类视觉特性仍没有充分理解，特别是对人眼视觉的心理特性还难以找出定量的描述方法，所以目前的图像质量的主客观评价方法都存在一定问题，不能客观准确地对图像质量进行评价，图像质量评价标准还有待深入研究。　　本论文针对目前低码率视频图像压缩技术存在的上述问题进行探讨，主要进行了如下工作:　　基于方向信息测度及相似区域判断函数的视频对象分割方法:该方法以图像的方向信息测度为基础，结合序列图像的其它特性，如颜色、边缘和运动属性，定义了运动图像相似区域判断函数，判断各个子区域的相似程度，对运动的视频对象进行提取，有效地解决了图像分割的普遍适用性问题。　　基于视频对象的H.264运动估计方法的改进:因为H.264标准采用了较复杂的半像素、四分之一及八分之一像素的运动估计，从而提高了运动估计的准确性，可以进一步降低码率，提高视频图像的压缩比。但该标准是在整幅图像上进行运动估计，复杂性较高。本文在此基础上对运动对象进行运动估计，在保证运动估计的准确性的基础上，降低了算法的复杂性。理论与实验证明:在序列图像压缩过程中，该方法在降低码率和提高运动估计的准确性方面都有一定的作用。　　对视频对象运动边缘进行曲线拟合的低码率编码方法:提出了对运动对象边缘进行曲线拟合的视频对象编码方法，该方法应用了视频对象的边缘在序列图像中变化较大，而其它部分相对保持不变的事实，根据边缘像素在时间方向的运动轨迹进行曲线拟合，编码过程中只传输拟合的参数。实验结果表示，该方法与传统的视频图像编码方法相比，较明显地降低了码率。　　基于视频对象运动区域的小波变换压缩方法:该方法改进了在整幅图像上进行小波变换的传统方法，采用只在视频图像的变化区域进行小波变换，其它区域采用运动估计和运动补偿的方法。实验证明:在对头肩序列图像进行压缩时，该方法有效地降低了码率，提高了压缩效率。　　面向识别的基于小波高频分量的视频图像压缩方法:传统的视频图像压缩方法是面向图像的，即与人类视觉系统(HVS)的感觉特性相一致的，而图像监控系统中，图像处理是面向特征的，即与计算机识别的特征一致的。本文改进了传统小波变换压缩方法中保留低频分量的做法，放弃低频分量而只传输与识别相关的高频分量信息，从而在保证识别准确性的前提下，大大降低了码率。　　基于像素分类的压缩图像评价方法的探讨:在图像评价中，好的图像应该是平滑区足够平滑，边缘区有足够强度的图像。根据图像像素的类别，提出了图像的视觉清晰度的定义，对图像的视觉清晰程度进行描述，提出一种与压缩图像的视觉感觉一致的定量评价。　　综上所述，本论文在低码率视频图像压缩技术提出了新的思路和方法，理论分析和实验证明了这些算法的有效性。这些算法对低码率编码技术在实际中的应用具有很强的指导性意义和应用价值。