在视频降噪中，以滤波器的不同，可分为时域滤波算法与空域滤波算法，其中空域滤波 算法有领域平均法，中值滤波，边缘增强等，而时域滤波，多采用多帧累加平均滤波，时域 递归滤波等[2]。 

    空域滤波算法优点是算法比较简单，能很好地去除图像中与图像信息不相关的噪声，但 是缺点也很明显，它不能很方便地建立一个随机噪声的数据库，而且不能很好地保留图像边 缘细节信息[3]。其典型代表便是基于 1971 年 Turkey 给出的中值滤波思想而得到的中值滤波 算法，该算法在去除噪声方面取得了非常好的效果。 73297

时域递归滤波算法作为时域上使用最为广泛的算法，于 1971 年由哥伦比亚广播公司 CBS 提出,其算法能够很好的降低随机噪声对视频图像的影响，提高视频质量 [4] 。 

在国内方面，视频降噪也成为各方研究的热门课题。华为公司就有视频降噪的专利，他 们在进行滤波之前，会将视频进行判断，并将其划分为平坦和静止地区，其对各区域的降噪 方式为，用低通滤波处理平坦区域的像素点，用平均法来处理可能出现在静止地区的噪声点， 然而为了防止边缘细节模糊，他们不对边界区域进行滤波处理，应对画面中可能出现的“拖尾模糊”现象，华为公司采用对运动区域不进行处理的方式[5] 。这种自适应的方法也被人们 所认可，并加以研究。张文洁便提出一种自适应的时域滤波算法，它是一种类似于非运动估 计的算法。其原理检测像素是否进行了运动，然后以此为标准判断是否将其进行滤波处理， 自适应将滤波参数进行修改[6 ]。这种方法的特点在于它很好地将静止区域进行了降噪，并且 由于没有在运动区域进行滤波处理，能够很好的保留了细节，但是也正因如此，动态图像的 运动区域并没有得到降噪[7] 。针对上面这种情况，杨维维和陈生谭等改进了自适应的时域滤 波算法，提出了一种能够根据视频中的噪声级别调整参数的算法[8]。这算法的原理是以一个 滤波为模板对噪声进行分析，划分视频中的噪声级别，而后以此为准来调整参数。以时域滤 波的方式处理视频中不同级别的噪声，能够消除拖尾现象，算法中会计算噪声的标准差与方 差，以此作为阈值的标准来判断是否对此区域进行滤波，从而减小滤波对边缘的影响[9]

参 考 文 献

[1] 杨维维, 陈生谭。 一种数字视频自适应降噪算法的研究与实现[J]。 中国集成电路, 2007(11):52-54。 

[2] 冯鹏, 魏彪, 米德伶,等。 基于时域递归滤波的动态数字图像降噪[J]。 重庆大学学报： 自然科学版, 2005(2):23-25。 

[3] 王利平, 孙韶远。 微光图像特征分析及图像融合技术研究[J]。 红外与毫米波学报, 2000, 19(4):289-292。 

[4] 程煜。 微光电视图像实时降噪处理技术的研究[D]。 南京理工大学, 2013。  [5] 龙红梅。 视频图像降噪算法研究[D]。 重庆大学, 2009。 

[6] 龙红梅。 视频图像降噪算法研究[D]。 重庆大学, 2009。 

[7] 韩良。 数字视频降噪算法的研究与硬件实现[D]。 中国海洋大学, 2014。 

[8] 杨晋伟。 多光谱融合前端图像实时降噪处理系统的研究[D]。 南京理工大学,  2009。  [9] 龙红梅, 田逢春, 谭洪涛,等。 一种基于运动估计的 3D 视频降噪算法[J]。 计算机与数 字工程, 2009, 37(6):122-124。 

[10] 王钰 , 陈钱 。 微 光 图 像 固 定 图 案 噪 声 实 时 处 理 技 术 [J]。 光 电 子 技 术 , 1999(2):97-102。 

[11] 韩良。 数字视频降噪算法的研究与硬件实现[D]。 中国海洋大学, 2014。