传统视频编解码技术从奈奎斯特采样定理出发,采样频率大于原始信号最高频率的两倍,再将高速采样得到的冗余信息压缩后传输到解码端。该方案对采样设备的计算能力要求很高,不适用于条件受限的采样环境。06年提出的压缩感知技术,将编码和压缩过程有效结合起来,在采样的同时完成了压缩,简化了编码步骤,有效减轻了采样端的计算压力。在一些采集信息比较慢或编码端硬件资源受限的场景中,压缩感知理论有较大的应用前景。帧间组稀疏表示的视频压缩感知重构算法是最优的迭代优化重构算法之一。本文在对帧间组稀疏重构算法(SSIM-Inter F-GSR)深入研究基础上,提出了基于块分类的帧间组稀疏视频压缩感知重构算法的研究,通过对图像块分类,基于不同类型图像块的特征针对性地改进重构算法。主要工作包括以下两部分内容。1.提出基于图像块分类的自适应阈值调整组稀疏重构算法(BC-ATA-GSR)。首先根据图像块中物体的运动状态进行块分类并合理选择参考帧,然后根据采样率以及图像块类型自适应设置初始阈值,最后根据迭代次数进行阈值梯度递减。有效改善了SSIM-Inter F-GSR算法中固定硬阈值的滤波处理方法和不灵活的参考帧选择方法带来的不良影响。相比于SSIM-Inter FGSR算法,BC-ATA-GSR算法有效提升了视频压缩感知的重构性能,且降低了算法复杂度,与当前最新的PBCR-DCVS算法和最好的多假设算法2s MHR比较,重构性能也有明显提升。2.BC-ATA-GSR算法中稀疏处理方法不适合低采样率条件下的运动纹理块,从而导致细节信息的大量丢失,另外基于MSE和SSIM的相似块匹配方案有局限性。为改善以上不足,提出了基于灰度熵块分类的加权阈值组稀疏重构算法(BEC-WT-GSR)。BEC-WT-GSR算法中,基于熵把运动块分类为运动纹理块和运动平滑块,对重构效果差的运动纹理块,采用加权软阈值进行稀疏处理。同时提出基于Renyi熵图像分割的相似块精确匹配方案。实验结果表明,在低采样率和图像纹理丰富的情况下,BEC-ATA-GSR的重构质量优于BC-ATA-GSR。