传统视频编码技术以奈奎斯特定理进行采样,即采样频率要大于或等于信号最高频率的两倍,再对大批采样后的信号去冗余完成压缩过程。这种视频压缩编码方法需要采样端具有较强的计算能力,并且会造成采样端资源的浪费,不适用于采样端资源受限的场合。压缩感知理论将采样和压缩过程结合,突破了奈奎斯特定理对采样频率的限制,在采样的同时完成了压缩,将计算复杂度从采样端转移到重构端。视频压缩感知是近年来压缩感知理论研究的重点,是基于压缩感知理论的一种新的视频采集方法,尤其适用于采样端资源匮乏,计算能力受限的场合。本文基于组稀疏思想对视频压缩感知重构算法展开研究,主要工作分为以下三个部分:1.通过研究已有的SSIM-InterF-GSR算法,在组稀疏表示中,提出了一种基于采样率的自适应阈值算法(AT-GSR)。仿真实验表明所提重构算法AT-GSR,对于运动不太剧烈的视频序列,相对于SSIM-InterF-GSR降低了算法复杂度,同时提高了重构性能,与目前性能较好的2sMHR算法和RRS算法相比,重构性能也有明显提升。2.针对AT-GSR算法阈值设置的局限性,提出了观测域帧分类的自适应阈值组稀疏重构算法(yMSE-CTP-GSR),将视频序列以帧为单位根据初始预测性能自适应设置合适的阈值,选择阈值递减方案;并提出一种基于帧运动的自适应参考帧方案。仿真结果表明,yMSE-CTP-GSR算法对所有快速运动序列、慢速运动序列和运动变化的序列都有较好的重构效果,平均提升1-2dB。3.针对AT-GSR算法低采样率重构效果差的问题,提出了基于结构相似性的组内优化块选择与恢复方案(OB-S/R)。该方案利用结构相似性的特点,将组内的块相似程度再度提高以增加组稀疏度,同时在帧重构时舍弃相似程度降低的块,增加重构帧精度。仿真实验表明,该方案在低采样率下对AT-GSR算法的重构效果有大幅度的提升,平均提升1-3dB。