近些年来,随着智能手机的普及以及互联网的高速发展,上传至互联网端的图像呈现几何性增长。而且随着智能设备的升级换代,上传至云端的图像尺寸越来越大,因此这些云端图像占用的存储空间也越来越大。如何高效的对云端出现的海量图像进行压缩存储,成为了一个急需解决的重要研究问题。传统的图像压缩使用JPEG、MPEG等编码方法,使用量化和DCT变换等技术,去除图像内部的冗余信息,没有考虑图像间存在的相关性,编码效率不能满足当前云端海量图像压缩存储。群体图像编码利用了图像间的相关性进行编码,但是群体图像编码大多是对所有图像进行整体计算获取参考方式,不适用于当前云端海量图像压缩。因此,为了实现对云端出现的海量图像进行高效压缩,出现了基于云平台的图像编码方案。本文首先对传统图像编码和群体图像编码进行了介绍,然后介绍了一种基于云平台的图像编码方案。在该方案中,对输入图像进行采样得到一个尺寸较小的缩略图,然后对输入图像进行特征提取得到特征信息,通过利用得到的特征信息和缩略图在云端图像数据库中进行检索匹配,得到与输入图像相似的图像块,最后对这些图像块进行进一步处理得到输入图像,从而完成整个基于云平台的图像编码。本文在研究了基于云平台的图像编码方案的基础上,提出了一种基于云物体库的图像编码算法。本文算法首先通过选取ImageNet数据库中的部分物体图像并对其进行特征提取得到基础云物体库,然后对待编码图像进行物体检测得到的物体图像进行特征提取,在云物体库中检索匹配筛选得到参考物体图像,并对参考物体图像进行尺寸统一、透视变换和光度转换操作,最后进行HEVC帧间编码。当待编码图像中未检测到物体或者未从云物体库中得到参考物体图像时,将编码方式切换为HEVC帧内编码。当对待编码图像编码完成后,通过对待编码图像的物体执行筛选入库操作来进一步实时完善云物体库。本文方法利用待编码图像和云物体库中的物体信息进行HEVC帧间编码,保证了客观保真度,并且当未利用到物体信息时,提供补偿编码机制,切换到HEVC帧内编码,保证了编码效率。通过对来自手机拍摄、互联网搜索和巴黎数据集的多张图像进行测试,并对得到的实验结果取平均值进行计算,可以得出基于云物体库的图像编码算法与现有图像编码方法中编码效率较高的HEVC帧内编码方法相比,在相同比特率的情况下,峰值信噪比(PSNR)可以提高约0.3dB。即使用基于云物体库的图像编码算法相比HEVC帧内编码提高了编码效率。