压缩感知技术可以突破奈奎斯特采样定理的限制,即采样频率不小于信号最高频率两倍的约束条件,将数据采样和压缩同步完成,极大的提高了压缩编码效率。基于压缩感知理论的视频编解码研究已经取得了众多成果,其中基于多假设预测技术的压缩感知视频重构方案以其优异的解码性能成为研究重点。然而现有解决方案常选择关键帧为非关键帧的重构提供参考信息,忽略了非关键帧自身的帧间相关性,并且未考虑视频帧在分组中的不同位置因素对解码质量造成的影响,导致视频序列的重构质量难以令人满意。针对上述编解码中存在的缺陷,本文提出了一种基于帧间内容及位置感知的优化分布式视频压缩感知解决方案。本方案利用视频帧中变化的内容相似度和其在图像分组中的不同位置特点对编解码端的数据处理过程进行优化,实现了视频信号在低采样率下的高质量重构。首先根据视频序列的高度时间相关性,在编码端提出了一种优化的压缩感知测量编码算法,通过将非关键帧中与参考帧内容具有高度相似性的冗余图像块标志为非编码块,对该部分冗余信息以缺省测量的方式进行数据采集,因此大幅度的提升了压缩编码效率,并且可以缓解传输过程中的带宽压力。其次,针对现有视频解码方案中非关键帧重构质量分布不均匀的问题,提出了一种基于视频帧位置感知的多假设预测重构算法。该算法可以为处于分组中间部位且距离关键帧较远的部分非关键帧提供更多的假设信息获取源,使得待重构帧能够获取到更优质的参考信息,从而提高解码端的边信息估计精度以及视频重构质量。该方案尤其适用于变化较快的视频序列,可以避免视频重构序列中的质量波动,继而带给用户更佳的观看体验。仿真结果表明,本文提出的基于视频内容和帧间位置的压缩感知系统相比于现有方案,需要测量编码的数据量有所减少,重构质量、重构速度均得到了提升,对比仿真实验结果证实了所提方案的有效性和可实施性。