随着信息化时代的到来，人类对信息的需求越来越丰富。作为诸多计算机研究中最为活跃领域之一的视频编码技术也随着应用要求的改变而不断发展。传统视频压缩编码标准，如MPEG-X系列和H.26x系列，采用的都是不对称的编码结构，即编码端复杂、解码端简单。编码端的复杂度往往是解码端复杂度的5到10倍以上，主要包括变换、量化、熵编码及运动估计和运动补偿等大量的计算。这种不对称的编码方式在需编码一次而解码多次的系统，如广播或流媒体点播等系统中是非常适合的。而一些视频应用场合，如无线视频监控、无线相机、移动视频电话等，需要低复杂度的编码器，而解码器可以相对具有高复杂度。因此，传统的视频编码技术不再适用于这些应用场合。　　分布式视频编码(Distributed Video Coding,DVC)作为一种新的编码方法，主要是在解码端利用相邻视频帧间的相关性，具有低复杂度的编码端和高复杂度的解码端且编码效率较高，因此，DVC较适合上述视频场合，受到了越来越多的关注。而DVC的编码效率很大程度上取决于解码端边信息的生成质量。因此，本文重点研究了如何在解码端生成Wyner-Ziv帧的边信息，以求减少编码所需码率，提高编码性能。　　传统的边信息生成方法都需在解码端进行基于线性运动模型的运动估计，这种线性运动模型并不适合于运动剧烈的视频序列，而自回归(Auto-Regressive,AR)模型可以充分利用帧内相邻像素间的空间相关性，从而可以有效克服线性运动模型的缺点。因此，本文提出了基于AR模型的边信息生成方法。边信息生成部分主要有外插模块、前向推导模块、后向推导模块和融合模块。实验结果表明，本文方法可以生成高性能的边信息，并能提高整体编码效率。　　本文还提出了基于棋盘模型的边信息生成方法，对基于AR模型的边信息生成方法作了改进，即将外插模块改为内插模块、加入棋盘模型、将后向推导模块改为相邻推导模块。实验结果表明，这种基于棋盘模型的边信息生成方法的性能，无论是边信息的性能还是整个视频序列的编码性能，均高于运动补偿内插方法及重叠块运动补偿方法。