近年来，随着技术的进步，人们对视频的需求越来越高，而传统的视频编解码是先采样后压缩，同时奈奎斯特采样定理规定，为了使得重构信息不失真，必须满足采样频率不小于基带信号带宽两倍。传统的基于运动估计的编码结构往往具有很高的编码复杂度，因此对低复杂度、高效的视频编码提出了迫切的需求。分布式视频编码恰是在这个需求下提出的。它将传统编码结构中运动估计补偿部分向解码端转移，实现了编码器复杂度的降低，但却是以一定的编码性能的下降为代价的。而压缩感知理论的提出为信号处理领域带来了新的变革，它改变了传统奈奎斯特采样定理基本思路，也为视频编码算法的研究开拓了新的视野。本文在压缩感知及分布式视频编码相关理论的基础上，研究了基于冗余字典的分布式压缩感知视频编码技术，主要研究内容包括：（1）研究并实现了一种基于冗余字典的单帧视频图像稀疏分解和压缩算法。该算法通过学习训练的方式建立冗余字典，使得图像中的任意像素块均能表示成该冗余字典内像素块的线性组合的形式。压缩过程中首先基于所建立的冗余字典对各帧图像进行稀疏分解，进而对稀疏分解系数进行量化和算数编码，同时对冗余字典采用基于算数编码的无损压缩编码。实验结果表明，该算法与同样基于单帧处理的M-JPEG算法相比，压缩性能有一定的提升。（2）设计并实现了一种基于背景字典的分布式压缩感知编码算法。在上述单帧图像稀疏分解和压缩的基础上，提出了一种基于背景字典的视频序列分布式压缩感知编码算法。该算法首先提取视频序列的公共背景图像，通过学习训练建立基于该背景信息的冗余字典；然后基于公共背景字典对视频序列的各帧进行稀疏分解和压缩编码。该算法每一帧视频的编码过程仅参考公共背景图像和相应的冗余字典，无需进行帧间预测和运动估计补偿，因而是一种分布式视频编码算法。实验结果表明，这种基于背景字典的分布式压缩感知编码算法对于背景相对固定的视频序列，具有良好的压缩效果。（3）针对前景目标较为复杂的情况，本文进一步设计实现了一种基于前景字典和背景字典的分布式压缩感知编码算法。该算法在建立公共背景字典的基础上，利用编码过程中所检测到的前景目标信息，实时训练并更新前景字典；使得各视频帧不仅可以基于背景字典进行稀疏分解，还可基于已编码帧所建立的前景字典，对场景中的前景目标进行稀疏分解，从而进一步提升了算法的压缩性能。