视觉传感器通常不知道它们“看到”的现象之下的物理过程,以远远超出图像视频信号有效维度的Shannon/Nyquist采样率获取图像视频数据,从而导致了对图像视频信号的存储、传输等数字处理的巨大压力.压缩感知(compressive　sensing,CS)理论表明:在某个线性变换域下稀疏的信号,可以利用少量的观测数据精确地重建,或在噪声情况下鲁棒地重建.压缩感知是实现图像视频信号有效维度采样的理论基础,为图像视频信号的采样、处理和识别等领域带来了前所未有的突破.本文对图像视频信号领域压缩感知面临的基本问题:压缩采样、稀疏重建模型及其优化求解算法的研究进展进行了综述.在采样方面,分析了图像视频信号随机观测矩阵和有结构观测矩阵的性能;在稀疏重建模型方面,从图像视频信号的稀疏先验性出发,介绍了分析型的重建模型和合成型重建模型的构建方法;在优化求解方面,针对重建模型,介绍了约束优化问题和无约束优化问题两类求解算法.以此为基础,分析了在图像视频领域压缩感知的理论与应用的进一步发展所面临的问题和挑战,展望了未来的发展方向.