传统信号处理过程一般包括信号采集、压缩、存储与传输，而基于压缩感知的视频编码技术由于突破了采样速率必须大于或等于信号带宽两倍的奈奎斯特采样定理而受到欢迎。压缩感知理论可以在对信号采样的同时进行压缩，将采样与压缩过程合二为一，大大节省了传输消耗与存储空间，具有广阔的应用前景。　　本文首先对压缩感知理论进行系统阐述，然后介绍其实现的三大过程，即原始信号的稀疏表示、测量矩阵的设计与信号的重构，并对常用的稀疏变换域和重构方法做了详细阐述。对于不同类别的视频，稀疏域的选择会有所不同。论文仿真分析了不同稀疏域对基于帧间视频编码效果的影响，仿真结果表明，测试序列在 DCT稀疏域下的重构质量要高于小波稀疏域下的重构质量1-2dB。常规基于压缩感知的视频编码处理方法采用对每帧图像进行大小固定的分块，并采用固定采样率进行测量，此方法在压缩效果和处理时间上都具有局限性，论文提出了一种基于帧内自适应分块算法和基于帧间DC T系数残差的块分类与分配采样率方法，对视频压缩处理进行优化。仿真结果表明，所提出的方法可以根据图像内容自适应分块，块分类与分配采样率方法的重构质量比固定采样方法平均高出2.5-4dB，重构视频所花的时间上少20s左右。最后，论文对重构算法进行了优化，结合TV算法的卓越重构效果和GPS R算法的快速处理时间提出一种基于上述两种算法线性组合的优化算法。仿真结果表明，改进的重构算法可以在保证重构质量接近TV算法的情况下，减少重构时间约20-30s。