近年来,随着信息技术的发展,多媒体信息使得我们的生活丰富多彩。但是,信息在异构网络上传输时会产生丢包现象,为有效解决数据丢包问题提出多种多描述编码(Multiple Description Coding,简称MDC)方法。由于人眼是视觉的最终接受体,如何解决数据丢包问题,同时符合人眼视觉特性是当前图像编码的研究热点。本文围绕多描述图像编码,在自适应量化步长的多描述图像编码、最小可察觉失真(Just Noticeable Distortion,简称JND)的多描述图像编码和自适应预测模式的多描述图像编码等方面进行了深入研究,主要创新成果有:(1)本文提出一种基于随机偏移量化器的感知MDC方法。由于人眼对高频信息不敏感,对低频信息敏感,因此本文通过人眼的频率特性来改变量化步长,即自适应量化步长,这样可以有效权衡图像编码效率与重建质量之间的关系。实验结果证明,该方案在保证图像编码效率前提下,可以提高图像重建质量。(2)本文提出一种基于JND的MDC方法。由于人眼是视觉的最终接受体,因此,本文将人眼视觉系统(Human Vision System,简称HVS)应用到多描述图像编码中。为了定量的度量HVS的感知机制和感知特性,提出一种JND模型,并将其应用于多描述图像编码框架中。实验结果表明,通过应用JND模型来处理DCT系数,可以进一步提高图像的编码效率。(3)本文提出一种基于自适应重建的MDC方法,该方案可以改进图像重建质量。传统的多描述图像编码中不是没有应用预测模式,就是只有一种预测模式,而本文提出两种预测模式——模式一、模式二。通过自适应选择预测模式可以得到信源的最优重建值。实验结果表明本文提出方案的实验效果优于现有的其它方案。