传统的视频编码标准,如MPEG或H.26x系列,均是在编码端利用视频序列帧间的相关性来进行帧间预测编码。为了能够较为准确地预测当前帧,现行标准均使用了运动估计算法,该算法的复杂性导致了其编码复杂度通常是解码复杂度的5-10倍。这种视频编码方案非常适合于视频点播和直播等应用,因为在这些应用中,终端的任务只是进行复杂度较低的视频解码。而另一些应用系统,如无线视频传感器网络或卫星视频通信系统,则需要低复杂度的编码器将视频信息发送至中心服务器,但是传统的编码方案却难以胜任。因此,学者们提出了分布式编码来解决上述问题。分布式编码将多个具有相关性的信源通过相互独立的编码器进行编码,解码时进行联合解码,将运动估计过程移至解码端,从而降低了编码端的复杂度。如何构造准确的边信息是分布式视频编码的关键问题之一。边信息的准确性对分布式视频编码的率失真性能与压缩效率有着显著的影响。在进行运动估计时,已有的边信息估计算法都是假设在一段时间内物体是沿线性轨迹运动的,事实上物体并不都是沿线性轨迹运动的,这在一定程度上导致了产生的边信息不够准确。因此,研究物体的非线性运动轨迹对于获得更准确的边信息具有现实意义。在对已有的边信息估计算法进行研究的基础上,本文提出了一种有加速时的运动补偿插值算法,该算法采用了结合速度和加速度的二次运动轨迹模型,使用了Markov随机场和Gibbs分布建模速度场和加速度场,并使用最大后验概率估计将这些Gibbs-Markov模型结合起来。本文提出的算法还采用分级运动估计来降低运算的复杂度。实验结果表明,采用本文的算法构造的边信息在PSNR值和主观质量方面比现有的方法都有所提高。