1.一种基于自适应模式选择的多描述编码方法，其特征在于，包括：

获取图像信息，将图像信息分为3个子集，根据每个子集生成相应的3个描述，每一描述均包括所述3个子集；

对第一描述，基于多描述方法，模式M11下，采用第一子集预测第二子集，第一子集与第二子集预测第三子集；根据第一子集、第二子集与第三子集的预测值进行熵编码，输出第一多描述码流；

对第二描述，基于多描述方法，模式M21下，采用第二子集预测第三子集，第二子集与第三子集预测第一子集；根据第二子集、第一子集与第三子集的预测值进行熵编码，输出第二多描述码流；

对第三描述，基于多描述方法，模式M31下，采用第三子集预测第一子集，第三子集与第一子集预测第二子集；根据第三子集、第一子集与第二子集的预测值进行熵编码，输出第三多描述码流；

和/或；

对第一描述，基于多描述方法，模式M12下，采用第一子集预测第三子集，第一子集与第三子集预测第二子集；根据第一子集、第二子集与第三子集的预测值进行熵编码，输出第一多描述码流；

对第二描述，基于多描述方法，模式M22下，采用第二子集预测第一子集，第二子集与第一子集预测第三子集；根据第二子集、第一子集与第三子集的预测值进行熵编码，输出第二多描述码流；

对第三描述，基于多描述方法，模式M32下，采用第三子集预测第二子集，第三子集与第二子集预测第一子集；根据第三子集、第一子集与第二子集的预测值进行熵编码，输出第三多描述码流；

所述多描述方法包括依次对所述三个子集进行基于时间域的重叠变换、DCT变换、自适应预测模式选择和随机偏移量化处理；

所述随机偏移量化处理具体为假设x在第一描述中的量化步长是q0，其在第i描述中的预测值为 预测冗余为ei，预测冗余用的量化步长q1大于q0。

2.根据权利要求1所述的方法，其特征在于，输出第一多描述码流的方法包括：对第一描述，采用基于时间域的重叠变换对第一子集、第二子集与第三子集分别进行前向滤波，对第一子集的前向滤波值依次进行DCT变换和随机偏移量化处理；模式M11下：第一子集的DCT重建系数预测第二子集的前向滤波值，对第二子集的前向滤波预测冗余依次进行DCT变换和量化处理，第一子集的DCT重建系数与第二子集的重建值预测第三子集的前向滤波值，对第三子集的前向滤波预测冗余依次进行DCT变换和量化处理；对所述第一子集的量化值和第二子集、第三子集前向滤波预测冗余的量化值进行熵编码，输出第一多描述码流；

和/或；

对第一描述，采用基于时间域的重叠变换对第一子集、第二子集与第三子集分别进行前向滤波，对第一子集的前向滤波值依次进行DCT变换和随机偏移量化处理；模式M12下：第一子集的DCT重建系数预测第三子集的前向滤波值，对第三子集的前向滤波预测冗余依次进行DCT变换和量化处理，第一子集的DCT重建系数与第三子集的重建值预测第二子集的前向滤波值，对第二子集的前向滤波预测冗余依次进行DCT变换和量化处理；对所述第一子集的量化值和第二子集、第三子集前向滤波预测冗余的量化值进行熵编码，输出第一多描述码流。

3.根据权利要求1所述的方法，其特征在于，输出第二多描述码流的方法包括：对第二描述，采用基于时间域的重叠变换对第一子集、第二子集与第三子集分别进行前向滤波，对第二子集的前向滤波值依次进行DCT变换和随机偏移量化处理；模式M21下：第二子集的DCT重建系数预测第三子集的前向滤波值，对第三子集的前向滤波预测冗余依次进行DCT变换和量化处理，第二子集的DCT重建系数与第三子集的重建值预测第一子集的前向滤波值，对第一子集的前向滤波预测冗余依次进行DCT变换和量化处理；对所述第二子集的量化值和第一子集、第三子集前向滤波预测冗余的量化值进行熵编码，输出第二多描述码流；

和/或；

对第二描述，采用基于时间域的重叠变换对第一子集、第二子集与第三子集分别进行前向滤波，对第二子集的前向滤波值依次进行DCT变换和随机偏移量化处理；模式M22下：第二子集的DCT重建系数预测第一子集的前向滤波值，对第一子集的前向滤波预测冗余依次进行DCT变换和量化处理，第二子集的DCT重建系数与第一子集的重建值预测第三子集的前向滤波值，对第三子集的前向滤波预测冗余依次进行DCT变换和量化处理；对所述第二子集的量化值和第一子集、第三子集前向滤波预测冗余的量化值进行熵编码，输出第二多描述码流。

4.根据权利要求1所述的方法，其特征在于，输出第三多描述码流的方法包括：对第三描述，采用基于时间域的重叠变换对第一子集、第二子集与第三子集分别进行前向滤波，对第三子集的前向滤波值依次进行DCT变换和随机偏移量化处理；模式M31下：第三子集的DCT重建系数预测第一子集的前向滤波值，对第一子集的前向滤波预测冗余依次进行DCT变换和量化处理，第三子集的DCT重建系数与第一子集的重建值预测第二子集的前向滤波值，对第二子集的前向滤波预测冗余依次进行DCT变换和量化处理；；对所述第三子集的量化值和第一子集、第二子集前向滤波预测冗余的量化值进行熵编码，输出第三多描述码流；

和/或；

对第三描述，采用基于时间域的重叠变换对第一子集、第二子集与第三子集分别进行前向滤波，对第三子集的前向滤波值依次进行DCT变换和随机偏移量化处理；模式M32下：第三子集的DCT重建系数预测第二子集的前向滤波值，对第二子集的前向滤波预测冗余依次进行DCT变换和量化处理，第三子集的DCT重建系数与第二子集的重建值预测第一子集的前向滤波值，对第一子集的前向滤波预测冗余依次进行DCT变换和量化处理；对所述第三子集的量化值和第一子集、第二子集前向滤波预测冗余的量化值进行熵编码，输出第三多描述码流。

5.根据权利要求2-4中任一项所述的方法，其特征在于，在第一描述中的量化处理阶段，第一子集的量化步长小于第二子集、第三子集前向滤波预测冗余的量化步长；在第二描述中的量化处理阶段，第二子集的量化步长小于第一子集、第三子集前向滤波预测冗余的量化步长；在第三描述中的量化处理阶段，第三子集的量化步长小于第一子集、第二子集前向滤波预测冗余的量化步长。

6.一种基于权利要求1的多描述解、编码方法，其特征在于，包括：

接收所述第一多描述码流并进行熵解码，选择最佳重建质量的模式作为最终的预测模式，进而基于多描述反变换方法，输出第一重构的图像信息；

接收所述第二多描述码流并进行熵解码，选择最佳重建质量的模式作为最终的预测模式，进而基于多描述反变换方法，输出第二重构的图像信息；

接收所述第三多描述码流并进行熵解码，选择最佳重建质量的模式作为最终的预测模式，进而基于多描述反变换方法，输出第三重构的图像信息；

所述多描述反变换方法包括依次对所述三个子集进行反量化处理、IDCT变换和基于时间域的反重叠变换。

7.一种基于自适应模式选择的多描述编码方法，其特征在于，包括：

获取图像信息，将图像信息分为9个子集，根据每个子集生成相应的9个描述，每一描述均包括所述9个子集；

对第一描述，基于多描述方法，模式N11中：第一子集预测第二子集，第一子集与第二子集预测第三子集，第一子集预测第四子集，第四子集与第二子集预测第五子集，第五子集、第四子集与第三子集预测第六子集，第四子集与第一子集预测第七子集，第七子集、第五子集与第二子集预测第八子集，第八子集、第七子集、第六子集与第三子集预测第九子集；根据九个子集的预测值进行熵编码，输出第一多描述码流；

对第二描述，基于多描述方法，模式N21中：第二子集预测第三子集，第三子集与第二子集预测第一子集，第二子集预测第五子集，第五子集与第三子集预测第六子集，第六子集、第五子集与第一子集预测第四子集，第五子集与第二子集预测第八子集，第八子集、第六子集与第三子集预测第九子集，第九子集、第八子集、第四子集与第一子集预测第七子集；根据九个子集的预测值进行熵编码，输出第二多描述码流；

对第三描述，基于多描述方法，模式N31中：第三子集预测第一子集，第一子集与第三子集预测第二子集，第三子集预测第六子集，第六子集与第一子集预测第四子集，第四子集、第六子集与第二子集预测第五子集，第六子集与第三子集预测第九子集，第九子集、第四子集与第一子集预测第七子集，第七子集、第九子集、第五子集与第二子集预测第八子集；根据九个子集的预测值进行熵编码，输出第三多描述码流；

对第四描述，基于多描述方法，模式N41中：第四子集预测第五子集，第五子集与第四子集预测第六子集，第四子集预测第七子集，第七子集与第五子集预测第八子集，第八子集、第七子集与第六子集预测第九子集，第七子集与第四子集预测第一子集，第一子集、第八子集与第五子集预测第二子集，第二子集、第一子集、第九子集与第六子集预测第三子集；根据九个子集的预测值进行熵编码，输出第四多描述码流；

对第五描述，基于多描述方法，模式N51中：第五子集预测第六子集，第六子集与第五子集预测第四子集，第五子集预测第八子集，第八子集与第六子集预测第九子集，第九子集、第八子集与第四子集预测第七子集，第八子集与第五子集预测第二子集，第二子集、第九子集与第六子集预测第三子集，第三子集、第二子集第七子集与第四子集预测第一子集；根据九个子集的预测值进行熵编码，输出第五多描述码流；

对第六描述，基于多描述方法，模式N61中：第六子集预测第四子集，第四子集与第六子集预测第五子集，第六子集预测第九子集，第九子集与第四子集预测第七子集，第七子集、第九子集与第五子集预测第八子集，第九子集与第六子集预测第三子集，第三子集、第七子集与第四子集预测第一子集，第一子集、第三子集、第八子集与第五子集预测第二子集；根据九个子集的预测值进行熵编码，输出第六多描述码流；

对第七描述，基于多描述方法，模式N71中：第七子集预测第八子集，第八子集与第七子集预测第九子集，第七子集预测第一子集，第一子集与第八子集预测第二子集，第二子集、第一子集与第九子集预测第三子集，第一子集与第七子集预测第四子集，第四子集、第二子集与第八子集预测第五子集，第五子集、第四子集、第三子集与第九子集预测第六子集；根据九个子集的预测值进行熵编码，输出第七多描述码流；

对第八描述，基于多描述方法，模式N81中：第八子集预测第九子集，第九子集与第八子集预测第七子集，第八子集预测第二子集，第二子集与第九子集预测第三子集，第三子集、第二子集与第七子集预测第一子集，第二子集与第八子集预测第五子集，第五子集、第三子集与第九子集预测第六子集，第六子集、第五子集、第一子集与第七子集预测第四子集；根据九个子集的预测值进行熵编码，输出第八多描述码流；

对第九描述，基于多描述方法，模式N91中：第九子集预测第七子集，第七子集与第九子集预测第八子集，第九子集预测第三子集，第三子集与第七子集预测第一子集，第一子集、第三子集与第八子集预测第二子集，第三子集与第九子集预测第六子集，第六子集、第一子集与第七子集预测第四子集，第四子集、第六子集、第二子集与第八子集预测第五子集；根据九个子集的预测值进行熵编码，输出第九多描述码流；

和/或；

对第一描述，基于多描述方法，模式N12中：第一子集预测第三子集，第一子集与第三子集预测第二子集，第一子集预测第七子集，第七子集与第三子集预测第九子集，第七子集、第九子集与第二子集预测第八子集，第一子集与第七集预测第四集，第四子集、第三子集与第九子集预测第六子集，第四子集、第六子集、第二子集与第八子集预测第五子集；根据九个子集的预测值进行熵编码，输出第一多描述码流；

对第二描述，基于多描述方法，模式N22中：第二子集预测第一子集，第二子集与第一子集预测第三子集，第二子集预测第八子集，第八子集与第一子集预测第七子集，第八子集、第七子集与第三子集预测第九子集，第二子集与第八子集预测第五子集，第五子集、第一子集与第七子集预测第四子集，第五子集、第四子集、第三子集与第九子集预测第六子集；根据九个子集的预测值进行熵编码，输出第二多描述码流；

对第三描述，基于多描述方法，模式N32中：第三子集预测第二子集，第三子集与第二子集预测第一子集，第三子集预测第九子集，第九子集与第二子集预测第八子集，第九子集、第八子集与第一子集预测第七子集，第三子集与第九子集预测第六子集，第六子集、第二子集与第八子集预测第五子集，第六子集、第五子集、第一子集与第七子集预测第四子集；根据九个子集的预测值进行熵编码，输出第三多描述码流；

对第四描述，基于多描述方法，模式N42中：第四子集预测第六子集，第四子集与第六子集预测第五子集，第四子集预测第一子集，第一子集与第六子集预测第三子集，第一子集、第三子集与第五子集预测第二子集，第四子集与第一子集预测第七子集，第七子集、第六子集与第三子集预测第九子集，第七子集、第九子集、第五子集与第二子集预测第八子集；根据九个子集的预测值进行熵编码，输出第四多描述码流；

对第五描述，基于多描述方法，模式N52中：第五子集预测第四子集，第五子集与第四子集预测第六子集，第五子集预测第二子集，第二子集与第四子集预测第一子集，第二子集、第一子集与第六子集预测第三子集，第五子集与第二子集预测第八子集，第八子集、第四子集与第一子集预测第七子集，第八子集、第七子集、第六子集与第三子集预测第九子集；根据九个子集的预测值进行熵编码，输出第五多描述码流；

对第六描述，基于多描述方法，模式N62中：第六子集预测第五子集，第六子集与第五子集预测第四子集，第六子集预测第三子集，第三子集与第五子集预测第二子集，第三子集、第二子集与第四子集预测第一子集，第六子集与第三子集预测第九子集，第九子集、第五子集与第二子集预测第八子集，第九子集、第八子集、第四子集与第一子集预测第七子集；根据九个子集的预测值进行熵编码，输出第六多描述码流；

对第七描述，基于多描述方法，模式N72中：第七子集预测第九子集，第七子集与第九子集预测第八子集，第七子集预测第四子集，第四子集与第九子集预测第六子集，第四子集、第六子集与第八子集预测第五子集，第七子集与第四子集预测第一子集，第一子集、第九子集与第六子集预测第三子集，第一子集、第三子集、第八子集与第五子集预测第二子集；根据九个子集的预测值进行熵编码，输出第七多描述码流；

对第八描述，基于多描述方法，模式N82中：第八子集预测第七子集，第八子集与第七子集预测第九子集，第八子集预测第五子集，第五子集与第七子集预测第四子集，第五子集、第四子集与第九子集预测第六子集，第八子集与第五子集预测第二子集，第二子集、第七子集与第四子集预测第一子集，第二子集、第一子集、第九子集与第六子集预测第三子集；根据九个子集的预测值进行熵编码，输出第八多描述码流；

对第九描述，基于多描述方法，模式N92中：第九子集预测第八子集，第九子集与第八子集预测第七子集，第九子集预测第六子集，第六子集与第八子集预测第五子集，第六子集、第五子集与第七子集预测第四子集，第九子集与第六子集预测第三子集，第三子集、第八子集与第五子集预测第二子集，第三子集、第二子集、第七子集与第四子集预测第一子集；根据九个子集的预测值进行熵编码，输出第九多描述码流。

8.一种基于权利要求7的多描述解、编码方法，其特征在于，包括：

接收每一多描述码流并进行熵解码，针对每一多描述码流，选择最佳重建质量的模式作为最终的预测模式，进而基于多描述反变换方法，输出对应的重构图像信息；

所述多描述反变换方法包括依次对所述九个子集进行反量化处理、IDCT变换和基于时间域的反重叠变换。

9.一种基于权利要求6的随机偏移量化器的自适应重建多描述编、解码的系统，其特征在于，包括：

编码器，获取图像信息，将图像信息分为3个子集，分别作为第一子集、第二子集、第三子集，同时生成第一描述、第二描述和第三描述，所述3个描述均同时包括第一子集、第二子集和第三子集；基于多描述方法，对第i描述采用第i子集与其它已经编码的子集联合预测未被编码的子集，进而输出第i多描述码流；

传输网络，用于对所述多描述码流进行传输；

解码器，接收所述第一多描述码流、第二多描述码流和第三多描述码流并进行熵解码，基于多描述反变换方法，输出第一重构的图像信息、第二重构的图像信息和第三重构的图像信息；

所述多描述系统包括依次对所述3个子集进行基于时间域的重叠变换、DCT变换、基自适应预测模式选择和随机偏移量化处理。

所述多描述反变换系统包括依次对所述3个子集进行反量化处理、IDCT变换和基于时间域的反重叠变换。

其中的传输网络可以是有限网络或无线网络。

所述随机偏移量化处理具体为假设x在第一描述中的量化步长是q0，其在第i描述中的预测值为 预测冗余为ei，预测冗余用的量化步长q1大于q0。

10.一种基于权利要求7的随机偏移量化器的自适应重建多描述编、解码的系统，其特征在于，包括：

编码器，获取图像信息，将图像信息分为9个子集，同时生成9个描述，所述9个描述均同时包括上述9个子集；基于多描述方法，对第i描述采用第i子集与其它已经编码的子集联合预测未被编码的子集，进而输出第i多描述码流；

传输网络，用于对所述多描述码流进行传输；

解码器，接收9个多描述码流，并进行熵解码，基于多描述反变换方法，输出对应于每一多描述码流的重构图像信息；

所述多描述系统包括依次对所述9个子集进行基于时间域的重叠变换、DCT变换、基自适应预测模式选择和随机偏移量化处理。

所述多描述反变换系统包括依次对所述9个子集进行反量化处理、IDCT变换和基于时间域的反重叠变换。

其中的传输网络可以是有限网络或无线网络。

所述随机偏移量化处理具体为假设x在第一描述中的量化步长是q0，其在第i描述中的预测值为 预测冗余为ei，预测冗余用的量化步长q1大于q0。