无线多媒体传感器网络(Wireless Multimedia Sensor Networks,WMSN)是一种集传感器、无线通信和嵌入式信息处理于一体的综合性网络,其数据形式直观,含有丰富的多媒体信息,在视频监控、智能安保等诸多领域得到了广泛应用。然而,视频作为WMSN中重要的数据形式,如果按照传统的奈奎斯特采样定理对其进行采用和处理,对WMSN视频节点的计算能力、存储能力和能耗都构成了巨大挑战,并将严重影响WMSN网络性能和生命周期。而近年来发展起来的压缩感知(Compressed Sensing,CS)理论为海量数据的采样压缩提供了一种新的思路。根据CS理论,在对信号进行采样的过程中,可以利用信号的冗余性,超越传统奈奎斯特采样定理的极限,从而极大地简化了信号采样压缩的处理流程。因此,如果能将CS理论应用于WMSN视频数据的采样压缩过程,将有效缓解资源受限的WMSN视频数据处理压力。本论文基于CS理论,针对WMSN视频监控应用场景,对基于CS的WMSN视频重构算法进行研究,主要研究工作如下:在压缩感知视频数据获取模型的基础上,针对WMSN视频监控应用场景的特殊要求,即对算法实时性要求较高且要保证视频质量,本文提出了基于改进梯度投影法(Gradient Projection for Sparse Reconstruction,GPSR)的WMSN视频重构方法,该方法首先构建合适的测量矩阵,通过简单运算即可快速恢复出预览视频,然后,利用光流法对预览视频提取运动矢量,并将运动矢量加入改进的GPSR算法迭代重构过程中,从而实现高分辨率视频重构。实验结果表明,该方法可以在极短的时间内获得预览视频,与GPSR算法相比,其最终重构效果在视频主观质量和客观评价指标上都有所提升。为进一步提高应用于WMSN视频监控的重构算法的实时性和重构效果,采用视频分阶段重构的思想,本文提出了基于改进迭代收缩阈值法(Iterative Shrinkage Thresholding,IST)的WMSN视频重构方法。该方法利用视频帧之间的运动矢量重新构建IST数据保真项,同时通过不断收缩正则化参数来更新迭代阈值。实验结果表明,该方法能够实现WMSN视频场景信息的快速预览,能够满足WMSN视频监控实时性的要求。在最终重构效果方面,与IST算法相比,本文提出的算法在视觉效果和客观评价指标方面,都有较大提高,可以更好地满足WMSN视频监控要求。