分布式视频压缩感知(Distributed Compressed Video Sensing,DCVS)作为一种新型视频编解码方案,通过采用独立编码、联合解码的方式,有效地将编码端的计算复杂度转移到解码端,降低了编码端的计算复杂度。同时,结合压缩感知技术,该方案克服了奈奎斯特采样速率的限制,可同时完成数据采样和数据压缩,极大地简化了编码过程,适用于编码端物理资源有限的多媒体通信场景。目前,DCVS理论已经取得了众多研究成果,其中,基于多假设预测残差重构方案因其优秀的重构性能吸引了众多关注。然而,现有方案大多仍处于理论研究阶段,理想假设较多,对实际应用场景的考虑较少。为了验证DCVS方案的可行性,本文设计并实现了一种自适应分布式视频压缩感知编解码系统,并且针对系统实现过程中出现的问题提出了一系列改进方案。主要的工作总结如下:首先,在现有的DCVS方案中,关键帧的采样率过高,影响了编码端压缩效率的提升,此外,DCVS方案未考虑非关键帧与相邻关键帧之间的帧相关性,致使冗余信息重复地被编码发送。为了解决上述问题,本文将关键帧内的图像块按纹理值划分为3类,并为每种类型的图像块分配不同大小的采样率,在保证重构质量的前提下,降低了关键帧编码后的数据量。对于非关键帧,本文根据帧内图像块与相邻关键帧中对应块的相似程度,对相似度较高的图像块采取了“不编码”、“不发送”的数据处理策略,大幅提升了DCVS方案的编码压缩效率,缓解了编码传输的压力。其次,本文研究了DCVS中常用的基于兰德韦伯平滑迭代的分块压缩感知(Block Compressed Sensing with Smooth Projected Landweber,BCS-SPL)算法,其在重构时使用固定尺度因子进行阈值判断,导致其重构质量在面对不同纹理细节的图像时会出现较大波动。为此,本文结合图像的统计最佳尺度因子与图像纹理值之间的关系,提出了一种自适应阈值计算模型,通过采用自适应调整的近似最优尺度因子来代替阈值计算中的固定尺度因子,有效地提高了BCS-SPL算法的重构质量。再次,本文基于上述改进方案设计了自适应分布式视频压缩感知编解码系统。并且针对系统重构速度较慢、解码端延迟较高等问题,提出了一种基于GPU并行计算的重构方案,将大量重复的串行计算改为并行计算,显著地缩短了重构时间,提高了DCVS系统在实际应用中的计算效率。最后,仿真结果表明,本文提出的自适应分布式视频压缩感知方案相比于现有方案,在压缩效率、重构质量、计算效率上均得到了明显提升。此外,基于改进方案的视频编解码系统,功能完善,编码效率高,解码延迟较低,能够满足资源受限的应用场景,从而证实了DCVS方案在实际应用中的有效性和可实施性。