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、数字音频技术、音视频（图像）压缩编码技术、音视频（图像）处理技术和基于内容的音视频（图像）检索技术等内容。在介绍各部分内容的同时，给出了相关知识的应用实例，具有较高的参考学习和实用价值。本书覆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。读者可以通过本书，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、通信工程和计算科学与技术等相关专业的本科、研究生教材，同时也可作为高职、高专音视频应用相关课程的参考书。