在传统的数字信号处理领域,发送端采样率的设置要遵从奈奎斯特采样定律,以使接收端能够正确恢复数据。但是目前这一传统理论受到了极大的挑战。近几年出现了一种新的采样理论——压缩感知CS (Compressive Sensing)技术,该方法是在采样过程的同时实现了信号的压缩,即在发送端以低于奈奎斯特速率的采样速率对信号进行采样,而在接收端依然可以以极高的准确率恢复出原始信号,可以大大降低系统在数据采样和储存方面的开销。利用CS技术的优点和视频图像的稀疏特性,本文给出了一种基于CS技术的分布式视频编码DVC (Distributed Video Coding)的方法,将CS结合到DVC的实现过程中,形成一种新的DVC方法。即在DVC过程的相应操作步骤中,用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与离散余弦变换DCT操作和DCT逆变换,以便利用很少的测量数据重建视频图像源。相关方案的Matlab仿真结果表明可以降低系统的采样速率和储存负担,增强系统的鲁棒性。在CS技术的不断完善过程中,发展出适用于分布式信源、可降低系统整体测量值数量的新技术—分布式压缩感知DCS (Distributed Compressive Sensing)。传统的CS技术在处理视频信号时,无法利用连续各帧之间的相关性。DCS技术则考虑了多维信号中可能存在的多种形式的稀疏性,可以大大提升CS技术的处理效果。本文基于视频图像数据源的稀疏性和差值信号更为稀疏的特点,在对视频图像信号源编码时,先利用CS技术对数据帧的差值信号进行低速率采样操作,以替代传统信源编码的高速数据采样与DCT/小波变换操作；解码时基于帧间和帧内数据的相关性,利用DCS技术的稀疏重构算法,以便节省采样资源消耗。相关方案的Matlab仿真结果表明,可以利用更少的测量数据重建视频图像源,降低系统的采样速率和存储负担。