“物联网”是互联网的延伸,是通过信息传感设备,进行信息交换和通信,与互联网形成巨大网络。作为物联网的重要的应用场景之一—传感器网络,成为了物联网最具发展前景的方向。但是人们对大数据量的迫切需求也造成了物联网中节点的计算、存储、续航能力的不足,这也成为物联网发展的瓶颈。近年来,压缩感知作为一种创新的采样定理和创新成果,已经引起科学领域广泛关注。压缩感知利用信号的稀疏性,打破了传统采样定理的限制,降低了采样速率。针对物联网节点中特殊的网络形式和数据采集机制,即分布式网络中大部分信息要被压缩过滤,若能利用压缩感知技术从采集阶段避免冗余信息,将会推动整个物联网行业的发展。本文在对压缩感知在物联网中的信息重构的应用深入研究,重点讨论了分布式压缩感知在物联网中视频、图像业务的应用以及结合贝叶斯理论,完成了以下基础且具有创新性的成果：对传统压缩感知的重构算法进行分析,并对重构的关键技术进行了详细说明,并选取典型的重构算法进行仿真实验。针对物联网在实时监测的普及应用,本文对分布式压缩感知在视频、图像领域中的应用进行研究分析。根据现有的重构算法,进行分布式压缩视频感知重构算法的性能比较。分布式贝叶斯压缩感知利用了不同信号具有相同先验概率分布特点,联合检测原始信号的分布参数,从而改进了重构算法的性能。本文研究贝叶斯在压缩感知中的应用,根据对传统分布式贝叶斯压缩感知算法的局限和重构算法的基本定理,提出了适合更复杂的噪声模型的鲁棒性分布式贝叶斯压缩感知。论文最后对全文的工作进行总结,并对后续工作进行分析与展望。