传统信号处理理论指出，视频信号无失真恢复的前提是信号的采样频率要为待采样信号最高频率的两倍。这种视频采样方法将增加信号的采样复杂度。近年来出现的压缩感知理论打破了传统奈奎斯特采样理论对信号采样频率的限制，因此其已在图像和视频处理中广泛应用。压缩感知理论指出，若信号在某个变换域里具有稀疏性，则可以用一个与正交变换基不相关的欠定矩阵将稀疏信号投影到低维空间上用以对信号进行压缩处理，所得压缩信号可以以较高概率重构出原始信号。利用该理论可以同时实现信号的采样和压缩处理。本文研究的重点是压缩感知在分布式视频编码中的应用。本文首先在对压缩感知理论和传统分布式视频处理技术进行分析的基础上，建立了一种基于帧测量率的视频重构模型，该模型能有效解决视频帧间相关性具有差异性的问题。该模型指出了基于压缩感知的视频重构质量与帧测量率的关系。其次，本文在所建立的重构模型基础上设计了一种视频压缩感知的帧测量率自适应分配算法。通过实验仿真分析，可证明本文所建立视频重构模型和所提出的自适应分配算法的有效性。最后提出了一种改进的MC-BCS-SPL（Motion-CompensatedBlock-based Compressed-Sensing Smooth-Projected-Landweber）重构算法。该算法能充分利用视频的帧间相关性。优化了初始帧的产生方法。相关实验证明本文所提出的改进型MC-BCS-SPL重构算法能有效提高视频的重构质量。