在有线数字电视行业,随着支持解码HEVC(High Efficiency Video Coding)的超高清机顶盒上市,形成了MPEG-2、H.264/AVC和HEVC三种标准同时使用的局面,其中为了支持早期部署仅支持MPEG-2的机顶盒,大部分频道仍然采用MPEG-2标清码流播出,部分频道同时采用H.264/AVC播出高清码流,个别超高清频道播出HEVC码流。这种联播技术虽然能够解决机顶盒间的兼容性问题,但带宽有限,不能支持大量的多节目联播,限制了频道高清化发展。HEVC的扩展版本高效可伸缩视频编码SHVC(HEVC Scalability Extension)可以通过External Means的方式向基本层提供非HEVC的视频流,但是标准中没有提及对MPEG-2的支持,无法解决现在有线数字电视的兼容性问题。为了适应视频终端设备的多样性,同时尽可能的减少带宽占用,本文对SHVC做了扩展,设计了基本层支持MPEG-2,增强层支持HEVC的可伸缩视频编码和解码框架,且在基本层扩展设计的基础上,提出两种解决方案降低视频编码计算复杂度。第一种方案提出自适应运动估计搜索范围的方法,解决运动估计计算量大的问题；另一种方案通过建立快速模式选择模型,解决增强层预测单元(Prediction Unit,PU)模式选择复杂度高的问题。通过减小运动估计的搜索范围值能有效降低整个运动估计过程的计算复杂度。根据基本层和增强层运动估计采用的关键技术,将基本层的运动矢量映射到增强层,利用映射后的结果,自适应调整增强层运动估计的搜索范围。自适应搜索范围减少了搜索点的个数,降低了运动估计的计算复杂度。快速模式划分模型以基本层的属性值为输入,增强层PU的划分模式为输出,用于提前判断增强层大部分PU的划分模式,避免计算所有划分模式代价。快速模式选择模型的建立使用了机器学习中的决策树分类算法,机器学习技术的使用能够提高预测的准确率。使用提出的模型计算PU的划分模式与采用传统方式相比,能明显减少计算,且划分模式结果有很高的命中率。本文的研究主要应用在标准换代过渡期,为加快视频终端设备的更新提供理论依据,促进数字电视的进一步发展。