道以及成像系统的电路。各种噪声的存在不但严重影响视频图像的视觉质量，
而且影响视频图像的多种后续处理任务，例如，存储、编解码、传输、目标识
别与跟踪等。因此，由于视频图像应用系统对降噪的迫切需求，本课题中对视
频图像降噪技术的研究具有重要的实用意义：滤除视频图像中的噪声是最主要
的目标，通过滤波使处理后的视频图像尽可能与原始视频内容保持一致，有助
于提高视频图像永久性的视觉效果和改善视频图像主观视觉质量；噪声的存在
增加了视频图像的信息熵，从而极大地降低了压缩编码的效率，因此通过对受
噪图像的降噪处理，对视频图像压缩编码效率的提高具有实际意义；在受噪的
视频图像中对感兴趣的内容进行识别与跟踪具有较大的难度，若先对序列中的
噪声进行抑制，然后在去噪后的序列进行目标识别与跟踪就会相对容易，有效
的噪声抑制算法对视频序列中的目标识别与跟踪同样具有重要意义。
在后面的章节中，本文将针对微光视频降噪的方法进行探究。 1.3 视频降噪的发展
图像降噪可以在空间域内进行，也可以在频率域内进行。但归根到底它们
都是基于噪声和信号在频域上的分布规则不同来实现的。因为图像中的有用信
号主要分布在低频区域，而噪声信号主要分布在高频区域。然而，由于图像的
细节部分如边缘信息也分布在高频区域，因此如何能在降低图像噪声的同时保
留图 像的细节特征和清晰的边缘就成为了图像降噪技术的研究目标。
起先对图像进行降噪处理主要是在空间域内进行的，主要是通过各种滤波
器对图像进行降噪处理。例如使用均值滤波器、顺序统计滤波器、文纳滤波器
等滤波器实现图像的降噪处理。后来通过对图像进行Fourier变换，然后与一些
滤波器结合，在频域内对图像进行降噪处理。由于Fourier变换无论在时域还是
在频域，它的定义域都是在R上的，它不能分析时域信号的局部频谱特性，也没
有时频局部化功能，所以Fourier变换方法在去除图像噪声的同时也将图像的细
节去除了。上个世纪八十年代Mallet提出了MRA，为小波变换用于图像处理奠定
了基础。其基本原理是:一幅图像经过小波变换后，会分解成低频部分、水平高
频部分、垂直高频部分和对角高频部分;低频部分还可以逐级分解，分解的各级
子图像都包含着原始图像的空间结构信息。
在此基础上1995年Johnstone和Donoho提出了小波阈值降噪。图像降噪技术
从空间域和Fourier变换域转到了小波域，出现了多种在小波域进行降噪处理的
算法。小波变换既保留了Fourier变换的优点，又弥补了它的不足之处。小波变
换在时域和频域同时具有良好的局部化性质，而且由于对高频成分采取逐渐精
细的分解，因而在数字图像降噪领域有着得天独厚的条件。小波变换在图像降
噪中的算法大体分为三类:线性滤波器降噪法、小波阈值收缩降噪法和小波系数
模型法。 1．4 视频降噪算法的国内外研究现状
随着多媒体技术的发展，视频处理技术变得越来越重要，在各种视频处理
技术中，降噪技术是非常重要的一项。在视频的获取、存储、传输和复制过程
中，视频图像会不可避免的被破坏。受噪的视频图像不但会产生不良的视觉感
受，也会限制用户获取真实信息。视频图像降噪的目的是在尽可能保留信号特
征的情况下，降低噪声，从而提高视频的视觉感受质量。视频图像降噪也是视 微光视频降噪方法探究+文献综述(2):http://www.751com.cn/wuli/lunwen_8765.html