espanolLos sensores de multiplexacion espectral basados en muestreo compresivo intentan romper la barrera de Nyquist para adquirir escenas de alta resolucion espectral. Particularmente, el sistema de imagenes espectrales de unica captura basado en aperturas codificadas de color extendido a video, o video – CCASSI, es un sensor de multiplexacion espectral que permite la adquisicion de imagenes espectrales dinamicas proyectando cada fotograma espectral sobre un detector bidimensional usando un apertura de codificacion 3D. Posteriormente, la reconstruccion de la senal comprimida se realiza iterativamente encontrando una solucion escasa a un sistema lineal de ecuaciones indeterminado. Si bien la senal adquirida puede ser recuperada desde un algoritmo basado en la norma l_2 − l_1, con muchas menos observaciones en comparacion a los sistemas convencionales, dicha reconstruccion presenta diversos desafios originados por la variable temporal o el movimiento. El movimiento durante la reconstruccion produce artefactos que danan la totalidad de los datos. En este trabajo, se propone un metodo de reconstruccion basado en multiples resoluciones para la adquisicion compresiva de video espectral. De este modo, el problema de optimizacion para recuperar la senal se amplia anadiendo la informacion temporal como restriccion, con el objetivo de corregir los errores originados por el movimiento de la escena. Los experimentos computacionales realizados en cuatro videos espectrales diferentes muestran una mejora de hasta 4dB en terminos de relacion pico-senal a ruido (PSNR) en la calidad de reconstruccion usando el enfoque multirresolucion aplicado a la reconstruccion de video espectral con respecto al problema de optimizacion que no considera el movimiento. EnglishSpectral multiplexing sensors based on compressive sensing attempt to break the Nyquist barrier to acquire high spectral resolution scenes. Particularly, the colored coded aperture-based compressive spectral imager extended to video, or video C-CASSI, is a spectral multiplexing sensor that allows capturing spectral dynamic scenes by projecting each spectral frame onto a bidimensional detector using a 3D coded aperture. Afterwards, the compressed signal reconstruction is performed iteratively by finding a sparse solution to an undetermined linear system of equations. Even though the acquired signal can be recovered from much fewer observations by an − -norm recovery algorithm than using conventional sensors, the reconstruction exhibits diverse challenges originated by the temporal variable or motion. The motion during the reconstruction produces artifacts that damages the entire data. In this work, a multiresolution-based reconstruction method for compressive spectral video sensing is proposed. In this way, it obtains the temporal information from the measurements at a low computational cost. Thereby, the optimization problem to recover the signal is extended by adding temporal information in order to correct the errors originated by the scene motion. Computational experiments performed over four different spectral videos show an improvement up to 4dB in terms of peak-signal to noise ratio (PSNR) in the reconstruction quality using the multiresolution approach applied to the spectral video reconstruction with respect to the traditional inverse problem.