在互联网高速发展的今天,多媒体技术特别是网络流媒体的普及,使得数字视频的应用越来越广泛。在这种情况下,每时每刻都有大量的数字视频需要传输和存储,对于存储空间和网络带宽都是很大的考验。为了能够用尽可能少的空间来存储视频的同时保证视频的质量,视频编码技术一直在不断发展,已经陆续发布了一系列的视频编码标准,如MPEG-X系列和H.26X系列。目前,在所有的视频编码标准中,H.264/AVC占据了最大的市场份额。而最新的视频编码标准HEVC,虽然目前仍未能得到广泛应用,但是由于其优秀的压缩效率,必将会成为未来主流的视频编码标准。HEVC相关的优化问题也一直是近几年研究的热点。目前,网络流媒体已经渐渐成为人们生活必不可少的一部分。与传统的广播等视频传输系统不同,网络流媒体视频一般是按照固定长度的切片来传输的,以实现其根据用户的网络环境自适应调整视频分辨率和码率的目的。在这种情形下,对视频编码的码率控制也有了新的要求。它要求编码后每个视频切片的比特数尽可能相同且满足目标码率,而不在意切片内部的码率波动。而目前流媒体视频编码最常使用的开源编码器如x264或x265中的ABR码率控制算法并不能满足这一要求。为此,本文在x265默认的ABR算法的基础上,引入了CBR码率控制中的R-λ模型,并将两者结合起来,提出了一种基于视频切片的ABR码率控制算法。该算法相比于x265原始的ABR算法,可以有效降低切片级的码率波动,而编码时间和视频质量均没有明显的变化。另外,由于H.264/AVC依旧是目前应用最广泛的视频编码标准,包括网络流媒体视频在内。在HEVC逐渐应用的过程中,有大量的需求将H.264/AVC编码的视频转码为HEVC编码的视频。但是由于HEVC编码的复杂度很高,直接转码会花费大量的时间。为此,本文提出了一个快速转码算法,利用朴素贝叶斯这一机器学习的方法,通过从H.264/AVC码流提取信息,并用对应区域的特征信息利用训练好的预测模型对HEVC编码过程中的CU划分做预测,从而减少编码复杂度,进而对转码起到加速作用。本文还对提出的算法的性能进行了测试和分析。