本書從人類聽覺、視覺的處理機制出發(fā)，系統(tǒng)地介紹了聽覺和視覺感知模型、音視頻(圖像)壓縮編碼技術、音視頻(圖像)處理技術、基于內容的音視頻(圖像)檢索技術、數(shù)字音視頻技術的交叉應用等內容。同時，本書還給出了相關知識的應用實例，這寫實例都具有較高的參考和實用價值。本書涵蓋的學科領域十分廣泛，包括人工智能、信號處理、圖像處理、語音處理、視頻處理和模式識別等一系列學科。通過本書，讀者可以學習到很多具有普遍價值的知識和具體的應用方法。本書可作為高等學校電子信息工程、通信工程和計算機科學與技術等相關專業(yè)的本科生、研究生教材，也可作為高職、高專音視頻應用相關課程的參考書。