1924年奈奎斯特推导出在理想低通信道的最高码元传输速率。即为了不失真地恢复模拟信号,采样频率应不小于模拟信号频谱中最高频率的2倍,也称为采样定理[1]。然而,在一些编码端资源(如能量、存储设备等等)有限的场景下,以频谱最高频率的2倍采样是难以实现或持续的。压缩感知(Compressed sensing简称CS)理论的提出突破了奈奎斯特采样速率的限制,将对数据的采样和压缩一步完成。CS所具有的压缩效率高,操作简单等特点使其非常适合用于编码端资源受限的应用场景。随后,将压缩感知与视频编解码相结合提出了压缩视频感知(Compressed video sensing简称CVS)。无论是从计算复杂度还是数据量方面来说,都大大降低了编码端的负担。尽管基于压缩感知的视频方案取得了大量的研究成果,但对于低采样率的的重构性能依然不够理想。虽然较高的采样率可以得到优异的重构性能,但这对编码端的储存设备,计算开销的资源造成了较大的负担。这有违使用压缩感知理论的初衷,并在无线网络的底层一些能量有限的结点中实现也是很困难的。本文通过提出的假设集合更新算法(Hypothesis set update,简称HSU)和动态参考帧选择算法(Dynamic reference select,简称DRS),对现有的基于多假设预测的基于压缩感知的分布式视频编解码技术(Distribute Compressed Video Sensing,简称DCVS)进行改进。在不增加编码端复杂度的情况下,使得视频的重构质量得到改善。其中假设集合更新算法,借鉴构造字典的方法,对原预测集合的进行更新。用扩展预测集中的与目标块相关性更高的预测替换原预测集中相关性低的预测。从而使得目标块在预测集的表示下获得更好的稀疏性,更加充分的利用了帧内的空间相关性,进而提高重构质量。参考帧选择算法在二次重构的基础上通过为当前帧选则更合适的参考帧来更加充分的利用帧间的相关性,提高重构的质量。仿真结果表明,在低采样率的情况下,提出的基于预测集更新和参考帧选择的分布式编解码系统(HD-BDCVS)同时提高非关键帧和关键帧的重构质量。