近年来,基于人类视觉特性的感知视频编码技术在视频压缩领域应用中得到高度关注,对于减少视频数据存储和降低信道传输成本具有重要意义,该技术已成为计算机科学、人类视觉工程等领域的一个热门研究方向。本文尝试使用人类视觉注意力模型和人类视觉敏感度模型来提高视频的压缩效率。若高压缩的视频数据在不稳定的信道传输,则可能会出现传输错误,并导致解码错误而影响主观效果。因此,提高视频码流鲁棒性的错误隐藏技术己成为视频编码技术中热门的研究方向。本文利用视频中的时空域相关性来对丢失的视频数据进行修复,改善视频的主观和客观质量。本文的主要工作如下:首先,本文提出了一种基于显著性协同检测的恰可察觉失真模型,将代表视觉敏感度的恰可察觉失真模型与代表视觉注意机制的显著性检测模型用于视频编码技术。该模型结合像素域和变换域的恰可察觉失真模型的优点,对视频纹理、边界和平坦区域分别估计出较精确的感知模型。同时,基于加权稀疏编码框架的显著性算法用于检测视频中显著性区域来调整恰可察觉失真模型,整合后的模型可以嵌入到视频编码框架中去除视频的冗余数据。实验结果显示,该模型比现有的HM 16.0视频编码软件平均码率节省了 8.82%。其次,本文提出一种基于结构分析的感知视频信号处理模型。该模型先分策略获取视频帧的有序结构分量、无序结构分量和纹理分量进行建模;通过得到的无序结构分量的结构不确定性调节视频帧的时空域显著性区域和对比度掩蔽效应。最后,基于SSJ的感知滤波模块嵌入到视频编码框架HM16.0中去除视频冗余数据。实验结果表明,该模型比HM16.0平均码率节省9.43%。最后,本文提出了一种时空域结合的错误隐藏算法。在空域修复中,算法使用提出的基于块位置自适应策略。该策略主要分析接收块的位置以及帧内宏块划分模式来选择改进的和现有的帧内修复算法。在时域修复中,该算法需要判断周边接收宏块的帧间分割类型,根据分割类型对受损宏块进行区域划分,通过划分模式使用不同的帧间修复模型。实验结果表明,提出的算法与传统方法相比,在客观质量和主观质量都有明显的提高。