随着无线网络技术的发展，多媒体通信领域出现了越来越多的移动视频终端，传统的视频编解码标准，由于编码端复杂度高且对误码敏感，不能很好的满足这些应用。而压缩感知这一新的编解码理论的出现给视频编解码技术带来了希望，目前基于压缩感知的视频编解码技术—压缩视频感知，已经成为了国内外的研究热点。作为压缩感知的关键技术之一，字典构造方法在很大程度上影响了信号的重构质量。本文在介绍压缩感知理论的基础上，首先对KSVD字典训练方法进行深入分析，并给出了一种基于相关样本的初始字典构造方法，该方法选取出与拟重构信号最为相关的样本信号作为KSVD字典训练的初始字典，样本的选取是依据基于JL引理得到最小测量值MSE准则，这种方法有效的提高了最终训练字典的质量；接下来给出一种相关样本加权的KSVD字典构造方法，通过增加相关样本信号的稀疏表示误差的比例来提高字典对于拟重构信号的稀疏表示能力；最后将本论文给出的字典构造方法应用于分布式压缩视频感知系统中。实验结果表明，与原有的KSVD字典相比，在关键帧采样率为0.5时，相关样本加权的KSVD字典构造方法使得非关键帧图像的PSNR（峰值信噪比）提高了0.1~1.2dB；在分布式压缩视频感知系统中应用本文给出的算法，改善了重构视频的质量，且每帧只需构造一个字典，简单易实现。