传统的视频编解码技术(如H.264x/MPEG-4等)需要在编码端完成复杂的运动估计和运动补偿等过程,这些过程使得编码端的计算复杂度增高。因此,这种编码方案不适用编码端资源紧缺的应用场景,如无线多媒体传感器网络(WMSN)设备。目前,分布式压缩视频感知(DCVS)系统是解决这一问题最有效的方案。该方案是在分布式视频编码(DVC)技术的基础上融合了压缩感知(CS)技术,不仅实现了将压缩和采样同时进行,还将计算复杂的运动估计、运动补偿等从编码端转移到了解码端,控制了编码端的计算量。因此,DCVS系统非常适用编码端资源紧缺的WMSN设备。本文通过分析目前DCVS系统中的重构算法在视频序列重构质量方面所面临重大挑战的基础上,以改善重构算法对运动较剧烈的视频序列重构率失真性能不佳的问题为研究目标,对视频序列相邻帧之间的结构特征以及CS观测值预测残差特征进行了深入分析,从而对DCVS系统中的重构算法和量化方法提出改进措施,主要工作和研究成果如下:(1)针对目前DCVS系统中的重构算法对运动缓慢的视频序列重构质量较好,对运动较剧烈的视频序列重构质量却不理想的问题,本文在图像组稀疏表示重构算法(GSR)的基础上,对视频压缩感知重构算法进行了改进。首先,利用相邻帧间信号的结构相似性以及帧内信号的非局部相关性来构造相似块组。然后,为了得到更加匹配的相似块,本文将基于扩展梯度算子的结构相似度(E-GSSIM)与欧氏距离相结合,以此作为生成相似块组的匹配准则。另外,在仿真实验过程中还发现,视频序列的重构质量会随着重构算法的迭代而不断提高,图像纹理、细节等信息逐渐丰富。因此,为了防止错误更新当前信息,本文提出了最优相似块个数调整方案,并将其用在重构算法的迭代过程中。最后,仿真结果表明,本文提出的DCVS中基于扩展梯度结构相似度的组稀疏表示重构(E-GSSIM-InterF-GSR)算法在重构性能方面较目前主流的视频压缩感知重构算法有所改善,具体表现在重构的峰值信噪比(PSNR)和基于扩展梯度算子的结构相似度(E-GSSIM)都比SSIM-Interf-GSR、MRMH、MH-BCS-SPL算法有较明显的提高。特别是对于运动较剧烈的视频序列,提升的更加明显。PSNR最多有3.02dB的提升,E-GSSIM最多提升了0.1035。(2)本文在研究观测值预测残差特征的基础上,以减少量化失真为目的,提出了基于观测值压缩率的帧间DPCM非均匀量化方法。另外,基于此量化方法,本文设计出了一种自适应最优量化深度模型(AOQDM)。仿真结果表明,本文量化方案在几乎不增加编码端计算量的情况下提高了DCVS系统的率失真性能。具体表现在本文量化方案的率失真性能曲线几乎与最优率失真性能曲线(Best-NSQ)重合,甚至超过最优率失真性能曲线。