以上这些技术在发展过程中逐渐融合，形成了目前视频编码标准中典型的混合编码框架，主要包括基于运动补偿的预测、正交变换和熵编码器等关键技术，如图1-1 所示。这些技术一直在不断提高和改进[1]。例如，基于运动补偿的预测从单一的前向预测变为后向预测、双向预测、多参考帧预测；进行运动补偿的块大小从16×16，演变为小至4×4的可变块大小运动补偿；运动矢量的精度也从整像素、半像素到四分之一像素。变换由浮点DCT 改变为整数变换；熵编码也由简单的二维变长编码，发展为三维变长编码，再到基于上下文的自适应变长编码。视频编码原理框图(引用）

传统的压缩编码是建立在香农（Shannon）信息论基础上的，它以经典的集合论为基础，用统计概率模型来描述信源，但它未考虑信息接受者的主观特性及事件本身的具体含义、重要程度和引起的后果[2]。因此，压缩编码的发展历程实际上是以香农信息论为出发点，一个不断完善的过程。在此发展过程中，陆续形成了一系列针对不同应用的视频编码标准。综合标准的制定时间和编码效率，可将这些标准划分为三代。其中，H.261、MPEG-1和MPEG-2是第一代编码标准的代表。其技术特点在于采用前向和双向预测，使用较大的运动补偿块，运动矢量精度为整像素或半像素，对当前运动矢量和相邻宏块之间的差分运动矢量进行编码传送。对预测残差进行基于8×8 块的DCT 变换，熵编码采用二维变长编码。以MPEG-4（Version 1.0，2.0）、H.263、H.263+和H.263++为代表的第二代标准在帧内预测、帧间预测和熵编码方面均有提高。由于它们基本上是同一时段的产物，在技术上也相互交叉。在帧内预测方面，对变换后的直流和交流系数进行水平或垂直方向的差分预测；支持16×16 和8×8 两种块大小预测；在运动矢量的编码时采用周围块运动矢量的中值进行预测。MPEG-4 ASP（Advanced Simple Profile）和H.263++中运动矢量为四分之一精度，熵编码则采用三维编码。

1.1.1  MPEG系列标准

MPEG 是活动图象专家组（Moving Picture Coding Experts Group）的简称。MPEG成立于1988年1月，致力于研究、开发数字压缩标准，在保证活动图象质量的前提下，使传输码率压缩的组织。MPEG所开发的标准被国际标准组织（ISO）和国际电工委员会（IEC）批准为国际标准，形成 MPEG系列。 

MPEG-1音视频压缩编码标准在1989年7月开始研究，1992年被ISO/IEC批准为正式标准，全称为码率低于1.5Mb/s的用于数字存储媒体的运动图像及其伴音的编码标准[29]。其主要应用是针对当时出现的新型存储媒体介质CD-ROM，每秒播放30帧，质量级别基本与VHS（广播级录像带）相当。MPEG-1也被用于数字电话网络上的视频传输，如非对称数字用户线路（ADSL），视频点播（VOD），以及教育网络等。 

MPEG-2在1991年7月开始研究，1992年被ISO/IEC批准为正式标准，是支持目标码率为4Mb/s-8Mb/s的标准清晰度电视系统（SDTV）和码率为10Mb/s-15Mb/s的高清晰度电视系统（HDTV）的视频编码标准（ISO/IEC13818）。MPEG-2不是MPEG-1的 简单升级，MPEG-2在系统和传送方面作了更加详细的规定和进一步的完善。MPEG-2支持的取样格式有4:2:0，4:2:2，4:4:4等，在时间分辨率、空间分辨率、信噪比方面具有可分级性，其码流结构也可分成不同优先级。此外，MPEG-2还兼顾了与ATM信元的适配问题，可运用于异步传输模式。 

MPEG-4在1995年7月开始研究，1998年11月被ISO/IEC批准为正式标准，正式标准编号是ISO/IEC14496。它不仅针对一定比特率下的视频、音频编码，更加注重多媒体系统的交互性和灵活性。MPEG-4标准的系统设计思想是面向对象，采用AV对象（Audio/Video Objects, AVOs）来表示听觉、视觉或者视听组合的内容，并对AV对象提供了一系列的支持。这个标准包含了四个重要部分：系统、视频、音频以及发送的多媒体综合框架[30]。