多媒体传感器网络(MSN)作为一种全新的信息获取和处理技术,与传统传感器网络相比,更多地关注于音频、视频、图像等海量数据的采集、传输与处理,在军事、民用及商业领域中具有广阔的应用前景。本文主要是针对多媒体传感器网络中的分布式视频编解码方面的研究。在传统的数字信号处理领域中,编码端的采样率要符合奈奎斯特采样定理,才能保证解码端正确恢复数据,这样一种采样率对于能量资源和带宽有限的多媒体传感器网络中的海量视频数据处理是不现实的。近年来出现的压缩感知(CS)理论,作为一种全新的采样理论,即在采样的过程中同时实现对信号的压缩,也就是说即使在编码端以远低于奈奎斯特采样频率进行采样,在解码端照样可以高概率的恢复出原始信号,从而大大降低了整个系统的采样、存储及运算处理方面的开销。分布式视频编码(DVC)技术利用其“独立编码,联合解码”的特性,可以将多媒体传感器网络中编码端的运算复杂度转移到解码端,这种特性和压缩感知(CS)技术的在采样过程中实现信号的压缩特性不谋而合,由于这两种技术具备这种天然的共通性,本文很自然把两种技术结合起来应用到多媒体传感器网络(MSN)中,针对目前基于压缩感知的分布式视频编码在快速场景变换环境中所存在的关键信息模糊损失的问题,首先提出了一种新颖的基本图像分组的压缩感知的分布式视频编码方法(基本分组法),使用这种方法在重构性能上有了一定的改进,取得了一定的成效,但是不足之处是分组显得单调固定,不具备灵活变换性；针对这个问题,本文继续进行改进和完善,再提出了一种自适应动态图像分组的分布式视频编码方法(动态分组法),即在保持基本分组的基础上插入一个自适应动态分组分离器,通过设定动态门限阈值T,来实现能够根据视频帧内容场景变换程度的大小从而动态调整GOP分组的目的,根据实验仿真表明,动态分组法的重构视频信号视觉效果比基本分组法重构后的效果还为完美,尤其是对场景变化较快的视频信号,其峰值信噪比(PSNR)得以大大提高和改善,同时又有效的解决了快速场景变化环境中所存在的关键信息模糊损失的问题,因此无论视频信号中场景变化速率的快慢,该方法均具有良好的有效性和适用性。此外,文中通过实验还给出了根据不同分组GOP得到的WZ帧的平均峰值信噪比及WZ帧数量之间的关系图,为基本分组法在实际应用中如何具体分组提供了参考依据,最后还通过分析得到,所提出的方法的还具有CS低采样率特性。在多媒体传感器网络的解码端对于视频帧解码重构,传统的做法往往是基于视频帧内和帧间的时空相关性来构造和估计边信息,再通过边信息来辅助WZ帧的解码过程的,采用的是传统的H.264/AVC帧内解码技术,由于边信息生成算法是分布式视频编码系统中的关键技术之一,如果通过插值估计得到的边信息SI质量越好,WZ帧解码后的重构效果也会更好,本文针对分布式视频编码中解码端的边信息问题,介绍了一种交叠对称双向运动估计边信息方法,再结合压缩感知技术,创造性的提出一种基于边信息和压缩感知的视频解码方案,并建立一整套完整的基于压缩感知的“分组策略编码,边信息解码”的视频帧编解码方案。matlab实验仿真证明了该方案的可行性和有效性,且改进后的Rev-GPSR与原始梯度投影算法(GPSR)、正交匹配追踪(OMP)、迭代阈值(IST)等重构算法相比,在恢复重构性能上有了大大的提高,重构效果有了明显提升,能够有效地改善分布式视频压缩的率失真特性,另外该套方案同样可适用在编码端低采样率情形之中。综上所述,本文提出了在多媒体传感器网络中基于压缩感知的分布式视频编码和解码方法,并建立一整套完善的基于压缩感知的分布式视频编码和解码处理流程,两者自成一体,具有优良的实际应用价值和推广前景。