本书从人类听觉、视觉的处理机制出发，系统地介绍了听觉和视觉感知模型、音视频(图像)压缩编码技术、音视频(图像)处理技术、基于内容的音视频(图像)检索技术、数字音视频技术的交叉应用等内容。同时，本书还给出了相关知识的应用实例，这写实例都具有较高的参考和实用价值。本书涵盖的学科领域十分广泛，包括人工智能、信号处理、图像处理、语音处理、视频处理和模式识别等一系列学科。通过本书，读者可以学习到很多具有普遍价值的知识和具体的应用方法。本书可作为高等学校电子信息工程、通信工程和计算机科学与技术等相关专业的本科生、研究生教材，也可作为高职、高专音视频应用相关课程的参考书。