近几年,由于云储存的出现,很多大型的科技公司都对外提供云存储的业务,而且很多用户会选择将图像数据保存到云端,所以在云端将会出现大量的图像数据存储。云端图像数据高效压缩存储已成为一个重要的研究方向。传统的图像压缩编码如JPEG、MPEG等都是以单张图像来进行压缩存储,并未考虑到图像之间的相似性,使得对于整个图像集编码效率不高。为了有效利用图像之间的冗余信息,提高云端图像数据的压缩编码效率,出现了图像集的联合压缩编码,即群体图像编码。本文针对现有的群体图像编码框架及原理进行介绍,对群体图像编码的光度变换和编码结构的生成提出相应的改进方案。首先,对目前现有的光度变换提出了一种基于二次拟合的光度变换改进方案,使光度变换后的结果更加接近目标图像,提高群体图像的编码效率。然后,实现了一种基于匹配面积的图像距离描述方法。该算法使用三角剖分计算SIFT匹配点覆盖面积,之后将匹配面积与SIFT匹配点的距离按照公式进行计算作为基于匹配面积的图像距离。该基于匹配面积的图像距离方法更加精确的表述了图像间的相似信息,帮助生成更加高效的编码结构,提升最终的编码效率。最后,本文针对现有的群体图像中单参考编码,提出了一种基于物体的多参考编码方法。该方法利用物体检测技术,识别图像中含有的物体,分别针对图像中的物体和未识别的剩余部分寻找合适的参考图像,接着进行相应的多参考预测图像生成,最后进行基于块的运动补偿编码,最终结果明显提升编码效率。通过对每个改进和实现的方案进行实验仿真,仿真结果表明:使用二次拟合光度变换编码两个图像集和原有的线性拟合光度变换对比,在同样比特率下二次拟合光度变换PSNR提高0.12dB到0.2dB,对于光度差异较大的图像集,二次拟合光度变换对编码效率有较大提升;使用基于匹配面积的图像距离方法测试图像集的编码效率较原有的SIFT匹配点距离,同样比特率下PSNR提高约0.1dB,提高了群体图像编码效率;使用基于物体的多参考群体图像编码和目前的单参考群体图像编码进行对比,该算法在相同的比特率下PSNR较单参考提升约0.1dB到0.6dB。