随着科技的迅速发展,人们能够很容易的获得高分辨率甚至超高分辨率的视频,但是如此大的数据量无疑是对存储设备的一种挑战。视频压缩技术很好的解决了这个问题。但是在低比特率的情况下,例如监控场景,压缩的视频会发生较大程度的降质,这不但降低了视频的观测质量,甚至会使得一些重要的细节信息难以辨认。　　 为了解决上述问题,我们提出了基于超分辨率重构的视频压缩方案。在编码前,先将视频的非关键帧下采样,像素点数目的减少可以给每个点分配更多的比特位去描述其DCT系数,从而减小了量化噪声;同时保持关键帧原始分辨率可以帮助恢复下采样的非关键帧。在解码端,得到原始的关键帧和下采样的非关键帧后,采用含有关键帧的超分辨率重构技术对非关键帧进行重构,恢复出原始大小的视频图像。　　 本文的主要贡献包含以下三点。首先,推导出对非关键帧用任意方式进行下采样对应的频谱混叠公式,基于此公式,我们可以进一步分析视频采样对应的频谱混叠方式。其次,根据上述公式设计出了非关键帧的最优采样方式,这样可以使频谱在中心平面只沿着能量最小的方向周期延拓,从而在重构阶段可以保证混叠的频谱能够以最小误差分离,即以最好程度恢复。最后,我们将三维调整核回归的超分辨率重构算法推广到多分辨率的情况,利用含有关键帧的调整核回归算法对视频中的非关键帧进行恢复。实验证明,我们设计的采样方法是最优的,并且在低比特率的情况下,用此算法框架对视频进行压缩的效果优于目前压缩效果最好的H.264/ALVC算法。