随着视频通信技术的发展，资源受限领域的视频通信应用越来越受到关注，例如计算能力、内存容量、耗电量受限的无线传感网络中视频监控、无线PC相机、移动视频通话等特殊场合，如何有效地实现高质量、稳定的视频传输成为研究人员追求的更高目标。分布式压缩视频感知为此类问题提供了解决思路，它结合分布式信源编码的特点以及压缩感知理论，具有更低复杂度的编码端，适用于实时与非实时的应用，有着广泛的应用前景。本文针对分布式压缩视频感知视频解码质量不理想、没有针对测量值特性的量化算法、编解码结构不够优化等问题，对分布式压缩视频感知的采样测量算法、编码量化算法、Landweber迭代图像重构算法作了深入研究，其研究内容和创新点体现在：1）针对压缩视频感知利用固定测量率进行分块采样，造成图像重构精度不高，具有明显的分块重构效果不均衡，造成块效应的问题。分别提出了基于像素域和小波域的块级动态测量率分配算法，在像素域下采用常用边缘检测的方法将图像块分类，依据不同的类别加以不同的测量次数分配，在小波域下采用改进的基于分解层的加权平衡分配方式将有限测量次数依据每个块能量占比分配于每个分块，实验表明，在两种测量率动态分配算法应用于平滑投影Landweber迭代图像重构时都取得良好的重构效果。2）针对压缩视频感知往往忽视测量值量化的问题，提出一种基于多假设预测压缩视频感知量化算法，该算法在测量域内依据相邻帧间测量值相关性，将块分类为缓慢块和剧烈块，缓慢块测量值直接差分量化编码，而剧烈块则利用多假设预测寻找到当前块测量值的线性组合系数，得到预测测量值后，与当前块测量值差分将残差和组合系数量化传入信道，实验表明我们提出的算法具备很好的编解码性能。3）针对分布式压缩视频感知边信息利用不充分，视频重构效果不理想的问题，提出了一种新的基于字典学习去噪Landweber迭代重构算法，解码重构时训练的字典作为边信息(Side Information, SI)用于Landweber迭代过程中的去噪处理，保证编码端一致的情况下，与当前经典算法相比，解码效率更高，即使在较低的测量率情况下也能重构出令人满意的视频效果。