随着无线和IP多媒体通信技术的发展及各种视频应用的普及，人们对图像编码的要求越来越高，不仅要求编码技术达到较高的压缩效果，而且要求它能够根据传输条件和应用场合的不同而提供不同的图像质量。传统的视频编码技术无法适应差异如此广泛的应用场景，于是可分级视频编码(SVC)技术应运而生，称为近年来视频编码领域的一个研究热点。　　 论文首先阐述了可分级视频编码的一些关键技术和国际上最新的研究进展和动向，然后基于最新的视频编码标准H.264/AVC，深入研究了SVC中空域可分级的层间预测和模式选择技术。首先，针对Inscale算法会使在空域预测过程中产生系统性偏差，以及将时-空残差分别进行预测造成的计算上的复杂性，本文提出了一种改进的时空域联合的层间预测算法(M-Inscale)，基于新的高低频划分方法、通过图像高频部分的预测过程来改善低频部分的量化误差，有效地利用空间和时间的相关性去除层间冗余信息。其次，对宏块级模式选择方法进行了研究，基于SVC的编码复杂度分析，分析了相邻空域层的宏块模式相关性，层间残差预测模式的复杂性，提出了SVC的模式选择优化算法，该算法不仅可以用于M-Inscale，并且可以用于一般情况下JSVM的模式选择。它通过普通模式优化、低时间级宏块优化和层间残差预测优化等三个层次代价比较，改进模式选择的效率。　　 通过对标准测试序列的实验结果证明，低码率的情况下，M-Inscale算法可以取得比Inscale算法更好的性能，具有更强的实用性；而新的模式选择优化算法在保证PSNR和比特率无明显变化的情况下，能够使基于M-Inscale的SVC平均编码时间减少约45％、使标准SVC的平均编码时间减少约55％，显著的提高了两个系统的编码效率。