压缩感知理论是近年来提出的一种信号压缩编码理论,它突破了奈奎斯特采样定理的极限,能以随机采样的方式用更少的采样数据优质的恢复出原始信号。信号的稀疏表示是压缩感知理论的基础和前提,因此如何找到合适的稀疏字典,实现信号的最优稀疏表示,成为该领域的重要研究目标。在众多稀疏字典中,基于字典学习的自适应过完备稀疏字典摆脱了固定结构,使得字典中的原子尺度和特性更加接近原始信号本身。然而已有字典学习算法存在耗时过长的问题,因此提高字典学习速度的研究有着重要的意义。近年来,无线多媒体传感器网络中的视频编解码方法得到了越来越多的重视。该领域的研究主要针对两大问题:(1)如何降低编码端的复杂度;(2)如何抵抗信道误码。压缩感知理论在该领域的应用,可以很好的解决上述问题,应用字典学习算法则可提高视频重构精度,因此将压缩感知和字典学习应用于视频编解码中,有很大的应用前景。本文主要包括以下三个研究内容:(1)分析各类稀疏字典的特点,并将其应用于压缩感知理论中,通过实验对字典结构、稀疏表示能力和重构精度等方面做了详细对比;(2)基于字典学习耗时过长的问题,提出了一种改进的字典学习算法IK-SVD,在稀疏表示环节引入了系数复用思想,在字典更新环节对SVD分解方法进行简化,从而减小时间损耗。实验数据表明,该算法将字典学习时间缩短了1/3以上;(3)针对传统编码方式在无线多媒体传感器网络中的局限性,提出了一种基于字典学习的压缩感知视频编解码模型,该模型采用压缩感知理论将计算复杂度从编码端转移到了解码端,字典学习算法的加入实现了视频重构精度的提高。理论分析和仿真实验表明该模型是可行并且有效的。