移动设备的普及和无线通信技术的发展极大的改善了用户的多媒体体验。但是移动设备资源受限和无线信道的时变特点限制了其进一步发展。幸运的是,云计算中丰富的计算资源刚好提供了一种降低移动端负载的方案,也因此兴起一个新的研究领域——云移动媒体计算。它给图像视频通信技术和存储带来新的机遇和挑战。首先,云端丰富的数据资源使得找到与给定图像具有相似内容的图片非常容易,尤其是地标建筑图片。但是传统的图像编码方法(比如JPEG)无法利用这样的外部相关性。基于视觉的方法通过局部描述子能够利用云端的相似图片,但是难以保证像素级别保真度。其次,无线信道信噪比和带宽的时变特点限制了通信带宽。现有的传输方案无法在一个统一的框架中解决信道信噪比和带宽可伸缩性问题,且无法利用云端的相似图像提高传输效率。最后,为了保证云端数据的可靠存储必须引入冗余。但是云存储中频繁出现的错误要求降低恢复数据的代价。由于视频占用空间大以及视频分享和视频点播的风靡,视频占了云端所有数据中的一大部分。然而现有的云端冗余保护方案将所有数据视为一般数据,任一一个比特发生错误将导致文件发生永久损坏。视频不同于一般类型,能够忍受一定程度的质量损失。为了解决以上问题,本论文重点研究如何在保证低编码复杂度和高像素级别保真度的前提下利用云端的海量图像帮助提高图像编码效率;强调如何在统一框架中应对无线图像传输中的信道信噪比和带宽可伸缩性,且利用云端的相似图像问题;探索如何在云存储冗余保护中利用视频的独有特点如可伸缩性表达,在可靠性,存储代价和恢复代价三者之间获得更好的折衷。本论文的主要研究内容和贡献分为以下三部分:第一部分工作针对云移动媒体计算中的照片分享或者上传问题,尝试以保持低编码复杂度和高像素级保真度为前提利用云端相似图像,并提出一种基于海量图像的分布式图像编码方案。对于每一幅输入图像,我们首先传输一幅下采样小图到云端,解码端解码之后用于搜索相似场景下的相关图像并采用类似于基于云的超分辨图像重建方法经过几何对齐和光照校正后得到较高质量的重建图像。该重建图像作为我们方案中分布式编码部分的边信息。为了纠正边信息和输入图像之间的不同,我们使用频域内基于位平面的校验子编码对输入图像进行压缩。云端每收到一个位平面,我们在最终重建和边信息间进行迭代精细化运算以提高边信息和当前分布式编码重建图像的质量。此外,为了适应不同程度的相关性,我们提出一种图像块,频带和位平面级别的编码端和解码端联合模式决策技术。在地标图像数据库中,我们的方案在主观和客观质量两方面均有很大的提高。和带有算数编码的JPEG方案相比较,具有高达5 dB的客观质量提高和70%的码率节省;低码率情况下,我们的方案和最新的HEVC编码方案具有相当的性能,且更低的编码复杂度。第二部分工作我们考虑云移动媒体计算中无线时变信道的高效图像传输问题,提出一种新颖的利用云端相似图像的分布式压缩感知图像无线传输方案。其特点在于能够在统一的框架中既利用云端相似图像,同时具有低编码复杂度,信道信噪比和带宽可伸缩性的特点。由输入图像产生的下采样小图经过压缩,前向错误纠正保护和调制首先传输到接收端,用以搜索云端的相似图像并生成边信息。输入图像减去小图的上采样图像后的残差直接通过压缩感知进行随机观测,观测值跳过前向纠错编码直接经过高密度的星座图调制传输到解码端。未经过编码的观测值和压缩感知线性随机观测特性使得其自然地在不需要改变编码框架的前提下具有信噪比和带宽可伸缩性的特性。为了更好的利用带宽和更具有鲁棒性,观测之前我们引入了模式决策和频域内的能量分配。在接收端,为了恢复残差信号,我们提出两阶段的分布式压缩感知解码算法同时利用了图像内部及和与边信息间的局部和非局部相关性。在地标建筑数据库和高斯白噪声信道中的仿真结果显示,重建图像质量具有信道信噪比和带宽可伸缩性。此外,和现有的模拟编码方案SoftCast相比较,我们的方案的客观质量具有高达11 dB性能提高,主观质量上也有很大的提高。第三部分工作针对云存储中基本的视频存储问题,我们利用多层视频表达(如可伸缩视频和联播码流)的特点,提出一种面向云存储的可伸缩视频非均匀保护存储方案。以微软云存储系统现在采用的局部重建保护码字为例,通过给不太重要的层或者视频备份引入更少的保护,能够在存储代价和恢复代价之间取得更好的均衡。理论结果和仿真结果均显示,和局部可重建码字均匀编码方案相比较,我们的方案能够达到更好的折衷,尽管在很少的情况下视频质量有所降低。