目前，随着网络技术的快速发展，网络用户及网络视频需求日益增加。而且对于视频信号的网络传输要求也越来越多样化。因此，无论在网络视频技术发展需求上，还是网络用户的多样化需求等诸多方面都迫切需要尽快完善适合于可以满足网络用户的多样化、适合于网络带宽的非平稳环境及异构网络终端的网络视频编解码技术。可伸缩视频编解码技术(SVC，Scalable Video Coding)就是针对这一问题提出的一种新的编码方式。首先，可伸缩编解码系统中，运动估计是在编码端最耗时的步骤，运动估计的好坏直接影响编码性能的优劣。通过对MPEG4 PART7中快速块匹配运动估计核心算法MVFAST及其快速算法PMVFAST的分析，提出了运用马尔科夫链模型对测试点进行预测的新方法。实验证明，在保证视频重构质量相当的条件下，采用该方法实现运动估计的运算速度比MVFAST算法平均提高26%。其次，通过学习和分析现有SVC系统结构，针对运动补偿时域滤波(MCTF，Motion Compensation Temporal Filtering)算法中使用固定GOP组大小结构存在的重构视频质量不高及对不同运动性质视频序列的适应能力不强等问题，提出了一种快速AGS新方法。该方法通过对现有AGS技术及改进SVC系统中可用运动信息分析的研究基础上，通过分析运动估计过程提供的运动信息，自适应调整GOP组大小，在基本不改变系统运算复杂度的情况下提高了SVC系统的视频重构质量。最后，在VC++ 6.0环境下实现了改进SVC系统。实验结果表明，本文设计的改进SVC系统在编解码速度、视频重构质量以及系统适应性等方面都获得了较好的性能指标，对SVC系统相关方面研究具有重要意义。