传统的依靠文字和图片获取信息的方式已经不再成为主流,视频由于其生动、全面、真实的特性,以一种锐不可当的姿势走进人们的视野,成为人们获取信息的主要方式之一。更加高效的视频编码才能更好的应对市场中应用场景多样化,分辨率超高清化的需求。高效视频编码标准是目前已存的性能名列前茅的视频编码标准,其相比上一代视频编码标准高级视频编码,压缩率更高,但同时其复杂度也更大。对于许多需要实时编码的应用场景来说,高效视频编码受限较大。在视频编码中,由于时间冗余远大于空间冗余,因此绝大多数图像帧都采用的是帧间预测方式。因此有效的降低帧间预测的复杂度,视频编码的整体复杂度也会大大降低,这将使高效视频编码能更好的应用于实时编码场景。以减少编码复杂度为目的,本文深入研究了高效视频编码中的帧间预测技术,并针对帧间预测中的运动搜索和编码单元深度选择算法进行了改进。本文的主要工作如下:一、在阅读大量视频编码提案、书籍和论文的基础下,对视频编码的国内外研究现状进行了介绍,且进一步细化的介绍了预测算法的研究现状。二、回顾了高效视频编码标准中的相关知识。包括高效视频编码的编码流程、划分结构、帧内预测、帧间预测以及视频质量评估等。三、深入研究当前编码块运动矢量的选择与相邻已编码块运动矢量的关系,提出编码单元运动复杂度的定义。然后将运动复杂度作为评判标准判断是否简化运动搜索步骤。其次研究了帧间2N×2N模式预测单元运动矢量的选择对于其他帧间模式的预测单元运动矢量选择带来的影响,提出一个判决条件来判断是否简化其他帧间模式预测单元运动矢量的搜索过程。实验结果表明,与标准测试软件HM16.16相比,本算法平均节约了23.5%的运动估计时间。四、本文对帧间预测中编码单元划分过程进行深入研究,提出了一种快速编码单元深度决策算法,该算法的核心是最小风险贝叶斯准则。本文构建基于最小风险贝叶斯准则的编码单元深度选择模型,然后利用庞大的数据库信息,离线学习贝叶斯阈值和贝叶斯条件概率密度,建立查找表,通过计算互信息量来选择最优的编码特征子集。该算法能够减少当前编码单元选择深度的时间。实验结果表明,与标准测试软件HM16.16相比,本算法平均节约了45.9%的编码总时间。五、本文总结了提出算法的优缺点,并对未来的工作做出了进一步的规划和展望。