运动补偿预测是提高视频编码效率的重要技术之一。现有的帧间预测一般采用基于平移运动模型的块匹配技术。平移运动模型是基于以下两个假设,场景中的物体是刚体,并且物体是在正交于摄像机主轴的二维平面中做平移运动。实际上,真实场景中物体的运动方向是任意的,可能朝向摄像机也可能远离摄像机运动。同时摄像机还可以做摇动和推拉(Zoom)等操作。这些运动都会造成物体和摄像机之间的距离发生变化,从而产生具有Zoom效果的视频。显然,对于复杂运动的场景和动态摄像机拍摄的视频,基于块匹配的平移运动模型不能进行高效的压缩编码。本文针对以上问题,研究了综合考虑物体平移和Zoom的基于块匹配的运动补偿预测技术。该技术主要针对由摄像机推拉以及由于物体朝向或远离摄像机运动所产生的有Zoom效果的视频进行帧间运动预测,通过在运动预测时综合考虑物体平移和Zoom运动,为当前帧提供更高精度的帧间预测。实验结果表明,相对于传统的基于平移运动模型的块匹配预测,该技术可提高帧间预测精度。在此基础上,为了降低复杂度,提高平移和Zoom综合运动补偿预测算法的运算速度,根据统计,给出了一个参考帧的选用方案。在有近97%的帧间最佳预测块被选的情况下,其计算复杂度约只有全搜索的平移和Zoom综合运动补偿预测算法的19.9%,显著降低了运算复杂度。而和已有的T型搜索快速参考帧运动预测相比,本方案也在降低了计算复杂度25.8%的同时,提高了帧间最佳预测块选取精度0.5%。