1    引言

1。1  研究背景及意义

21 世纪是由信息主导的时代，近年来随着社会发展，人们对信息的需求量是越来越大， 以视频图像为主的数字视频应用发展颇为强势，成为人们重要的消费方式，并作为一种获取 信息的重要渠道。然而视频在采集，传输，编码，显示等过程中难免会引入噪声，这些噪声 严重影响了人们获取信息的质量，掩盖人们所需要的细节信息，使人们获取的信息无法达到 相应的真实度。它们的来源有取样时的外界环境因素和传输时信道产生的噪声，以及存储时 产生的随机噪声等。这些噪声严重破坏了视频的图像品质，并且还会影响譬如视频编码，视 频存储，识别与跟踪等等的后期处理，严重影响了视频采集的应用价值，因此当下对视频降 噪算法的研究便成为一项重要的任务。它不仅能够提高视频主观视觉质量，还对视频压缩， 目标识别与跟踪等视频后期处理工作有着重要的意义。 

而随着可编程门阵列 FPGA 的不断发展与变革，基于 FPGA 的视频降噪技术也成为数字视 频处理领域的一项重要课题，它具有具有高集成度、性价比高、高稳定性性、灵活的编程能 力、全新的开发设计思想等特点，本文通过研究基于 FPGA 的视频降噪算法，实现视频降噪的 处理技术[1]。 

1。2 国内外研究现状

2 微光图像简介及常用的视频降噪算法介绍 

常用的视频降噪算法分为空域滤波和时域滤波。像素在空间域上有极大的相关性，可利 用其在若干帧间的相关性来形成一种三维的滤波器，这种算法便是空域滤波算法。 

而时域滤波指的是在时间域上像素间也有很强的相关性，利用此特性形成一种一维滤波 器的算法便是时域滤波算法。 

本章列举了几种视频降噪算法：中值滤波算法，领域平均算法，维纳滤波，多帧累加平 均滤波算法，时域递归滤波算法。并在下文对其原理进行简要的介绍。 

2。1 微光图像简介

由于本文主要是利用 ICCD 进行视频的采集，所以本文采集的所有视频图像都是微光视频 图像。微光的成像过程为：微光指的是在夜天，无照明等条件下的自然光，当自然光照射到 目标，并且经过其反射到微光探测器的物镜上，并且聚焦于光电阴极。接收到此光信号图像 后，阴极将信号转变为电信号，并且其电子将通过微光成像系统内的核心通道进行不断地倍 增，加速，并最终聚焦于荧光屏，形成了人眼可识别的可见光图像。微光系统如今已经从第 二代，发展为第四代，并且仍在高速的发展。下面图 2。1 为成像原理图。 

图 2。1 微光成像器件结构

图 2。2 为利用上述系统拍摄的一幅微光图图像。这是在及其灰暗的月光且无照明设备的 条件下进行拍摄的，但是我们依旧能从图中较为清晰的看出目标人物在树林间站立着。 

第 4  页 本 科 毕 业 设计 说明 书

图 2。2 微光图像

微光图像的成像方式与红外和可见光图像有很大的不同，它接受自然光后转换为电信号， 而后经过若干次的电子聚焦，加速，反射，电子数倍增，不难看出，这就使得成像后的效果 受目标的反射率与现场的环境条件所影响，并且在多次的反射中，会受系统中多种噪声的影 响，所以在采集视频时很难采集到毫无噪声的原始信号。 

经过学习与总结，微光图像的特征如下： 

（1）相比红外与微光图像，它能够很好的将原有的图像细节，纹理刻画，使得人眼更加 能够辨认出图像，这也是微光图像作为图像融合信息源的原因之一。