在人的各种感官中，眼睛在接受信息方面起着举足轻重的作用，因而在当今信息爆炸的时代，图像和视频这些常见的视觉媒介就显得尤为重要。如何对图像和视频进行有效的压缩，以方便其传输和存储，是人们必须解决的一个重要问题。 图像及视频中广泛存在的冗余使得高效地表示它们成为一个难题，因而在进行压缩时，图像及视频中存在的冗余性是需要克服的主要对象。由于空间域冗余是图像及视频共有的特性，值得深入研究克服该冗余的方法，因此本文围绕着一些去除空间域冗余的高级方法展开。本文主要研究了两种比较先进的空间域预测方法：方向性的帧内预测编码和利用结构信息的inpainting 技术，它们都可以归类到像素预测方法中。 本文改进的方向性帧内预测基于新的视频编码标准H.264/AVC。H.264 标准是当前视频编码研究的热点之一，其中引入的方向性帧内预测能够有效去除帧内冗余，提高帧内编码效率。但是，通过本文提出的一种衡量帧内预测能力的准则MPA（模式预测能力）分析H.264 帧内预测在方向上的均衡性，发现H.264 帧内预测在方向上的均衡性有所欠缺。于是本文针对预测能力较弱的模式进行了改进，并提出了一种灵活的4×4 小块编解码顺序，从而大大改善了帧内预测在方向上的均衡性，取得了很好的效果。 本文提出的另一种空间域预测方法是利用结构信息的inpainting 技术。Inpainting 是计算机图形学和计算机视觉领域中一种修复图像的技术，研究者们已经提出了很多inpainting 的方法，各种方法有着各自的优缺点。但如果希望将inpainting 技术应用到图像压缩中，相比于应用于计算机图形学等场景时，对inpainting 技术有着明显不同的需求。本文指出在图像压缩中使用inpainting 的关键是要设法恢复出不能够从已知区域推测出的未知部分，并利用提取结构信息的方法解决了这一关键问题。新提出的利用结构信息的inpainting 方法在技术细节上与其他inpainting 方法有着密切的联系，并能够在很大程度上去除图像在空间域上的冗余。本文还讨论了一些未来的工作方向，扩展文中方法的应用范围。