伴随着多媒体技术的快速发展,大数据量的视频实时传输技术受到了国内外学者的热切关注。视频通信作为多媒体通信技术的一种十分广泛地应用于空天对地传输等视频场景。视频信号具有直观、确切、高效的特点,但由于视频数据量庞大,传送包含视频信息的信号需要较高的信道带宽,也给传送设备带来了巨大压力。分布式压缩视频感知（Distributed Compressive Video Sensing,DCVS）技术结合了压缩感知（Compressive Sensing,CS）理论与分布式视频编码（Distributed video Coding,DVC）技术的优势,不仅突破了奈奎斯特采样定理的采样要求,还将传统视频编码技术中计算复杂、耗时久的运动估计与补偿操作转移至解码端进行,很大程度地降低了编码端的计算压力并提高了编码效率,十分适用于发收资源非对称的视频传输场景。为了进一步改善系统重构质量,提高系统整体性能,本文在系统解码端关键帧重构算法、边信息生成算法和非关键帧重构算法三个方面做出了改进。针对关键帧重构算法,在近似消息传递框架（Approximate Message Passing,AMP）的基础上引入了三维块匹配滤波（Block Matching 3D Filtering,BM3D）去噪模型,还原后的关键帧收获了较高的增益;提出了一种边信息生成算法HEVC-ME（High Efficiency Video Coding-Motion Estimation）算法,相比于传统的运动估计算法,该算法根据视频帧自身特性划分为不同大小的编码单元进行块匹配搜索,且在搜索的过程中加入了运动矢量预测技术,其获得的边信息帧更加准确地逼近原始视频帧,为系统非关键帧的重构提供了更为准确的先验信息;对于系统非关键帧的重构,提出了基于l₁-l ₁最小化的重构模型。这种方法通过对非关键帧压缩值和非关键帧压缩结果与采样后的边信息帧的残差值联合进行最小化₁l-范数重构,且在不同压缩率对应的重构过程中,针对非关键帧压缩结果与采样后的边信息帧的相对准确性,在重构时动态地赋予不同的权重系数取值,更加充分的利用了准确信息。仿真结果表明,相比于以往的DCVS系统重构方案,本文所提出的算法对于非关键帧重构的PSNR值可提高1⁸ dB,对系统整体重构增益约提升了0.2³.8dB,有效改善了DCVS系统的重构性能。