1.一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，包括如下步骤：步骤1)采集原始视频，该视频的序列帧xt有N＝Ic×Ir个像素，分成n个大小为B×B的块，第i个块的列向量形式记为xt,i，i＝1,...,n,n＝N/B2；分块尺寸：B×B，采用分块测量矩阵为结构化随机测量矩阵ΦB；

将原始视频流拆分为关键帧和非关键帧，奇数帧为关键帧，偶数帧为非关键帧；或者偶数帧为关键帧，奇数帧为非关键帧；

步骤2)在采集端对关键帧和非关键帧进行以块为单位的测量，得到对应的块测量值；

步骤3)根据接收到的关键帧的块测量值yk采用MS-BCS-SPL重构算法重构出关键帧的初始重构帧 得到帧内自适应初始字典；

步骤4)将已重构的关键帧 作为参考帧D1，MH预测模型首先寻找待重构块xt,i在参考帧D1内的最佳匹配块xt,ibest，即步骤5)由步骤4)在搜索窗口D1内得到最佳匹配块xt,ibest，再以xt,ibest为中心，生成半径为Dk的搜索窗口，k表示当前帧在参考帧中对应的第k个最佳匹配块的序号，此时参考帧就是当前待重构帧，选取以最佳匹配块xt,ibest为中心的搜索窗，Dk作为搜索窗的尺寸参数，控制窗的大小，采用滑动取块的方式选择搜索窗Dk中的参考块集合Bk，即其中 表示搜索窗中的第j块，J＝(Dk×2+1)2

为搜索窗中提取视频参考块的总个数；

步骤6)对搜索窗中的参考块 进行帧内插值，来获得帧内最佳匹配插值字典，形成BM插值字典，即在原始像素点的后右方、后下方和后右下方进行像素点插值，插值后的参考块大小是原参考块 大小的4倍，提取插值后相同半像素点(0,0)、(0,1/2)、(1/2,0)、(1/

2,1/2)按顺序重组，即将原始像素点、插值后右方像素点、插值后下方像素点和插值后右下方像素点按顺序重组，得到4个重组参考块 和 将其分别向量化得到和 将其作为帧内最佳匹配插值字典的列向量，重复步骤5)和步骤6)生

成当前待重构块的最佳匹配插值字典，即

其中， 表示当前第t帧

第i个待重构块的帧内最佳匹配插值字典；

步骤7)利用多假设预测模型中的如下公式计算待重构块的帧内多假设预测值 作为边信息： 其中 即Ht,i为帧内基于多假设预测的最佳匹配插值字典，记为帧内MH-BM插值字典，yt,i为视频帧的测量值向量，w是Ht,i中各列的线性组合的列向量， 为代表Ht,i中各列的最佳线性组合的列向量，Γ为正则化矩阵， ht,i是Ht,i的列，i＝1,...,K，K＝J×4，λ为正则化控制因子，Φ是由结构化随机测量矩阵ΦB作为对角元素的分块测量矩阵；

步骤8)对于非关键帧，通过块分类后，分别对运动剧烈块和相对静止块生成边信息；

步骤9)获得关键帧和非关键帧的边信息 后，用预测值的测量值减去其边信息的测量值，计算出当前帧残差r的各块压缩感知CS观测向量yr,i，即：步骤10)重构出残差值rt；

步骤11)将边信息和残差值相加，得到重构的视频帧，即

2.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤2)的测量过程具体如下：在步骤1)的基础上，对xt,i应用MB×B2的结构化随机测量矩阵ΦB进行测量，得到视频帧的测量值向量yt,i，其长度为MB，其中MB＜＜B2，记为yt,i＝ΦBxt,i,i＝1,2,…,n。

3.根据权利要求2所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤7)中分块测量矩阵Φ与结构化随机测量矩阵ΦB的关系为：其中ΦB为结构化随机测量矩阵。

4.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤1)中分块尺寸为B＝32，所述步骤4)和5)中搜索窗口半径D1＝Dk＝B。

5.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤4)中用MH预测模型在初始重构帧内寻找最佳匹配块时，在测量域采用像素块结构相似性SSIM作为失真标准进行迭代寻找，以整个初始重构帧作为搜索区，根据关键帧测量率的不同进行自适应阈值τs迭代，测量率为0.1-0.2时，迭代阈值即SSIM值，τs＝

0.99995；测量率为0.3时，τs＝0.999995；测量率为0.4和0.5时，τs＝0.9999995，最大迭代次数为100次；

SSIM定义如下：SSIM(x,y)＝[l(x,y)]α[c(x,y)]β[s(x,y)]γ，x，y分别为当前帧和参考帧中对应的视频帧块

测量值，即x＝Φxt,i，y＝Φyt,i，xt,i和yt,i是视频序列中第t待重构帧的相邻块，其中Φ是由结构化随机测量矩阵ΦB作为对角元素的分块测量矩阵，由上式计算测量域的SSIM，根据像素块在测量域结构相似性约束最佳匹配策略，迭代计算得最终最佳匹配块，即有其中l(x,y)，c(x,y)，s(x,y)分别代表亮度、对比度、结构比较函数；μx，μy，μxy分别表示参考图像的亮度均值、标准差以及协方差，σx，σy，σxy分别表示失真图像的亮度均值、标准差以及协方差；C1，C2，C3为常数，取值为10-5～10-8。

6.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤5)中是以步骤4)生成的最佳匹配块为中心，生成最佳匹配搜索窗口，然后在此最佳匹配搜索窗口中对各块进行帧内插值。

7.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤7)中利用帧内MH-BM插值字典生成边信息时，采用MH预测模型搜索分块尺寸为B，每个分块中的子块尺寸为b，根据子块尺寸和搜索窗口范围逐渐增加进行帧内多假设预测，每次迭代后子块尺寸和搜索窗口范围增加一倍；当子块尺寸小于块尺寸时，MH预测重构算法采用DDWT作为稀疏基；当子块尺寸等于块尺寸时，MH预测重构算法采用RDWT作为稀疏基。

8.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤8)对非关键帧运动剧烈块采用帧内最佳匹配插值法和帧间双向最佳匹配法生成边信息并判决，选择两者中的最优边信息作为非关键帧的预测值，相对静止块采用帧间双向最佳匹配法生成边信息。

9.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤8)中，非关键帧中相对静止块采用MH双向最佳匹配方法时，测量率为0.1-

0.3时，迭代阈值即SSIM值，τs＝0.99995；测量率为0.4和0.5时，τs＝0.999995，最大迭代次数为200次。

10.根据权利要求1所述的一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，所述步骤10)采用基于离散小波变换域的BCS-SPL方法对残差值进行重构。