分布式视频压缩感知是一种新颖的视频编码方案,该技术结合压缩感知和分布式视频编码的特点,将视频编码端的大量计算转移到解码端,降低了视频采集终端的能耗,提高了视频压缩效率。目前分布式视频压缩感知技术已成为国内外许多学者关注和研究的热点,本文主要研究如何进一步提高分布式视频压缩感知的边信息生成质量、信号重构质量以及信号重构效率。首先,在边信息生成过程中,为了应对同一图像宏块内像素运动矢量不一致的情况,本文提出了一种改进的边信息生成算法。该算法在运动补偿时增加了重叠块互相重叠的面积,并在处理重叠部分时,利用匹配块的匹配程度进行加权运动补偿。仿真对比结果表明,本文算法对不同视频序列的边信息质量都有一定程度的提高,边信息图像的一些细节部分更加清晰,主观效果更好。其次,在信号重构时,针对子空间追踪算法中筛选原子准则不够准确的问题,本文提出了一种结合残差边信息的子空间追踪算法。该算法在筛选原子时并没有简单地采用信号能量较大者优先的准则,而是通过各原子对视频帧相似性的影响程度作为选择标准,利用视频信号的时间相关性提高原子选择的准确性。实验对比结果表明,在低采样率下,本文算法能提高CS帧的重构质量,并且重构效率基本不受影响。最后,针对正交匹配追踪类算法效率较低而不能满足视频信息实时性要求的问题,本文提出一种稀疏度自适应的快速重构算法。该算法充分利用分布式视频帧之间的相关性,通过对残差边信息的稀疏变换系数进行归一化硬阈值判决,估计出压缩感知帧与关键帧之间残差的稀疏度,最后将稀疏度的估计值代入到正交匹配追踪类算法中进行重构。仿真对比结果表明,本文算法显著地提高了重构效率,并在低采样率下对重构质量也有一定改善。