در مطالعه مساله کدینگ منابع همبسته ( dsc ) ، از آنجایی که کانال های ارسال عاری از خطا نخواهند بود از این رو این سیستم هاعلاوه بر به کار گیری کدینگ منابع همبسته، کدکردن کانال را نیز می طلبند. نشان داده شده است که استفاده از یک کد کانال واحد به نتایج مطلوب تری نسبت به کدکردن مجزا ازهم منبع و کانال منجر می شود . از طرفی پیاده سازی عملی کدینگ منابع همبسته بر اساس مفاهیم موجود در کدینگ کانال امکان پذیر می باشد. مساله مورد بررسی در این پایان نامه ارسال تصاویر همبسته با استفاده از تکنیک های موجود در dsc می باشد. پیاده سازی dsc بر روی دو گونه نویزی از تصویر مرجع ( در دو حوزه تصویر و تبدیل) به عنوان تصاویر همبسته انجام شده است. با تبدیل تصاویر به سیگنال های باینری، کران فشرده سازی برای رشته بیت های همبسته متناظر از دو تصویر در حوزه تبدیل، با استخراج همبستگی های موجود بین bit-plane های ضرایب dct هم فرکانس ازدو تصویر و در حوزه تصویر، با استخراج همبستگی های موجود بین bit-plane های پیکسل ها به دست می آید. بعد از محاسبه کران فشرده سازی، از روش مبتنی بر توازن برای فشرده سازی و ارسال رشته های باینری استفاده شده است. کدهای ira سیستماتیک که نوع خاصی از کدهای ldpc می باشند، چندی کننده هایlloyd-max و tcq ابزار های به کار رفته در این پایان نامه می باشند. از منحنی های psnr-rate و معیار های دیداری برای سنجش کارایی روش های پیشنهادی استفاده شده است. اجرای الگوریتم های پیشنهادی برای تصاویر همبسته و توزیع شده در دو حوزه تبدیل و تصویر بیانگر برتری روش پیشنهادی در حوزه تبدیل نسبت به حوزه تصویر می باشد؛ چرا که اصولاً هدف از اجرای کدینگ منابع توزیع شده برای دو منبع همبسته و توزیع شده، فشرده سازی این دو منبع با تکیه بر وجود همبستگی بین آنها می باشد. در تصویر، هر پیکسل با پیکسل های مجاور خود دارای همبستگی قابل توجهی می باشد، بنابراین اطلاعات موجود در هر پیکسل قابل تخمین از پیکسل های مجاور می باشد. با به کارگیری تبدیل dct، اطلاعات همبسته به اطلاعات غیر همبسته و بالعکس نگاشت می شوند و این تبدیل قادر خواهد بود که تراکم بالای انرژی تصویر را در اطراف ضرایب dc و ضرایب ac فرکانس پایین و تراکم پایین انرژی را در ضرایب ac فرکانس بالای تصویر قرار دهد. بنابراین می توان با مشخص شدن اطلاعات پر اهمیت و کم اهمیت تصویر، بدون اینکه به کیفیت تصویر لطمه ای وارد شود اطلاعات کم اهمیت را برای رسیدن به فشرده سازی بالا حذف نمود. البته باید توجه داشت که علی رغم کسب نتایج بهینه در حوزه تبدیل نسبت به حوزه تصویر، پیچیدگی محاسباتی در حوزه تصویر نسبت به حوزه تبدیل کمتر می باشد.