传统的视频编解码技术,编码端采用帧内编码技术,存在大量的运动补偿和运动估计运算,大大增加了编码端的复杂度,因此不适合应用于编码端资源受限的无线多媒体传感器网络中。为了解决上述问题,我们将压缩感知理论应用于视频编解码技术中,即视频压缩感知技术。视频压缩感知技术中:视频信号可以通过某种测量矩阵对其进行直接采样,采样过程即编码过程,并且采样数据量远远小于采样定理所要求的数据量,最后通过某种特定算法精确地恢复原信号。基于低采样数据量和低编码复杂度的特点,使视频压缩感知技术非常适合应用于无线多媒体传感器网络中。现有的视频压缩感知技术中,多假设预测技术因重构质量较高,引起了人们的关注,但其存在算法时间复杂度高,重构速率慢的问题,为了在不降低重构端率失真性能前提下,减小重构算法时间复杂度,在多假设预测过程中,本文提出了动态改变参考帧中搜索窗大小(Dynamically Change the Size Of the Searching Window In the Reference Frame,DCSWRF)的算法;动态改变搜索窗大小是以块为单位进行视频帧采样,根据视频帧之间的相关性,采用多假设预测,待重构帧在多假设预测过程中根据各个子块相对参考帧中对应位置子块的变化程度,动态改变搜索窗大小。同时为了进一步提高重构质量本文还提出了多参考帧下最优参考帧的选择(The Selection of the Optimal Reference Frame Under Multiple Reference Frames,SOFUMF)算法,该方案在多假设预测过程中,将Key帧自始至终都当作待重构CS帧的参考帧,在此基础上考虑增加已重构CS帧作为待重构CS帧的参考帧,前提是满足一定的相关性条件,同时为了均衡重构质量和重构速度,在多个已重构CS帧中只选择最优的。通过仿真验证并与原有技术对比,新提出的DCSWRF算法有效提高了重构速度,减小了算法时间复杂度,而且对低采样率下的重构性能有所提升;而进一步提出的SOFUMF算法相较DCSWRF算法,进一步提高了重构质量,并且相比原有未采用DCSWRF算法的方案,重构速度有所提升。