根据香农采样定理,传统的奈奎斯特信号采样通常需要较高的采样率,这样才可能实现信号的高质量重构。但是,高采样率往往会导致复杂的计算以及冗余的数据传输。新近出现的视频压缩感知可以使用低于奈奎斯特采样定律所要求的采样率,因此在高维信号的压缩传输等领域具有很大的应用潜力。视频压缩感知信号的重构算法是近年来研究的重点,在各类文献中主要有四类视频重构算法:（1）独立地重构每帧;（2）使用三维信号处理方法重构整个序列;（3）基于连续帧在变换域的相关性进行重构;（4）利用当前帧与参考帧的运动补偿进行残差重构。其中,第（4）类是目前主流的压缩感知重构算法,尤其是基于块匹配的多假设（MH）算法和加权残差稀疏（RRS）算法具有相对突出的重构性能。研究表明,现有算法对于复杂场景视频的重构性能不佳,本文专门针对此类问题进行了深入的研究。匹配块的挑选机制对于视频重构结果具有较大的影响。第三章针对重构算法中匹配块个数以及从参考帧中挑选匹配块进行了详细分析,提出了基于动态多模式匹配（MDP）的视频压缩感知三步重构算法,所提MDP算法主要分为三大步骤:1)独立地重构每帧图像,由于关键帧采样率较高,因此关键帧在本步中即得到最终的重构结果;2)对非关键帧进行二次重构,使用关键帧在第1步中的重构结果作为参考帧,动态地在参考帧中使用多种模式挑选多假设匹配块,执行迭代的重构;3)基于峰值信噪比确定最终的重构视频。实验结果表明,MDP算法相较于MH、RRS算法显著提升了重构性能,在多组序列以及常用的采样率组合下,MDP算法相比RRS算法提升了0.5～1.0 d B的峰值信噪比。对于快运动视频,由于相邻帧之间场景变化较快,参考帧为较远的非关键帧所提供的参考信息有限,现有算法对于快运动视频的重构性能较差。为此,通过自适应地利用非关键帧的重构结果,第四章提出了长短期参考帧多假设块匹配（LSDP）重构算法。实验结果表明,所提LSDP算法相较于MH、RRS、MDP算法在快运动视频上取得了更好的重构效果。针对较为复杂的采样率场景,第五章首先分析了关键帧采样率与非关键帧采样率之间的关系对于各种视频重构算法的影响,随后提出采样率自适应的分层次块匹配（APM）重构算法:当关键帧采样率较非关键帧采样率增长率较低时,采用较为简单的欧氏距离确定单参考帧的重构过程,反之则采用更为复杂的分层次块匹配重构过程。实验结果表明,所提APM算法对多种采样率以及快慢均有的视频序列等复杂场景均有较好的重构性能。