新一代视频编码国际标准——通用视频编码标准（Versatile Video Coding,VVC）已于2020年7月完成定稿,相比于高效视频编码标准（High Efficiency Video Coding,HEVC）,VVC在其基础上增加了大量新技术。其中跨分量线性模型（Cross Component Linear Model,CCLM）预测技术的引入,利用分量间相关性大大提升了色度分量的预测效率。然而,该技术显著增加了色度预测模式决策过程的计算复杂度,且存在对于纹理复杂编码块预测准确性低等问题。论文针对上述问题开展研究,主要内容和创新点如下:（1）针对CCLM技术导致的色度预测模式决策过程计算复杂度增加的问题,提出了一种基于纹理特征的帧内色度预测候选模式快速决策算法。论文通过统计分析,发现帧内色度预测候选模式的选择与编码单元（Coding Unit,CU）的纹理复杂度密切相关,且直接模式（Direct mode,DM）的选择与当前色度CU及其对应亮度CU的纹理相似程度有关。论文设计了改进的灰度差分函数（Sum of Modulus of gray Difference,SMD）来度量CU的纹理复杂度,并以此禁用不相关的候选模式。同时,采用结构相似度指标（Structural Similarity Index Measurement,SSIM）来提前决策DM模式是否为最优模式。实验结果表明,与参考模型VTM8.0相比,该算法平均可以减少12.92%的编码时间,Y、U、V分量的BD-rate仅分别提高0.05%、0.32%和0.29%。（2）CCLM预测模式仅依赖有限数量的邻近样本来计算线性模型的参数,使得对于纹理复杂块的预测性能不佳。论文提出了一种改进的联合角度预测的跨分量线性模型优化算法,利用当前色度CU的空间相关性和分量间相关性,使用角度模式和CCLM模式的预测值的平均值来对色度CU进行预测,提高了预测精度。实验结果表明,与参考模型VTM8.0相比,该算法分别节省了Y、U、V分量0.02%,0.65%和0.80%的BD-rate,提高了编码效率,并且编码时间几乎没有改变。