视频降噪算法的国内外研究现状
由于视频图像的相邻帧之间运动较小，所以视频图像帧间存在高相关性。通过在帧间引入时域滤波器，视频图像降噪可以认为是图像降噪的扩展。
现行的视频图像降噪算法，主要有三种分类方法：
（1）可以分为像素域降噪算法和转换域降噪算法两大类。像素域降噪算法是直
接对像素值进行操作，这类方法的计算量小，效果较好。转换域降噪算法是将视频图
像的像素值转换到另一个域如小波域，然后再进行降噪，这类算法效果比像素域的降
噪效果好，但是计算量较大，往往满足不了视频处理的实时性要求。
（2）按照滤波器支持的滤波范围来划分，主要可以分为时域滤波（即 1D 滤波）
和空时滤波（即3D 滤波），由于单独的二文空域滤波器没有利用到视频序列时域上的
信息，所以在本文中不以考虑。3D 滤波利用像素在相邻帧中有限大小的空间领域内
所有像素间的相关性；1D 滤波只利用了图像序列在时间文上的相关性。在降噪效果
方面3D滤波比1D 滤波更具优势。
在 3D 滤波中，空域滤波器和时域滤波器主要有两种不同的组合方式：第一种，
根据图像分析结果在空域滤波和时域滤波上切换，噪声水平检测的结果和图像分析的
结果一起被用于估计滤波器的滤波强度，根据滤波器的滤波强度来控制时域和空域上
的滤波；第二种，空域滤波在时域滤波之前，先进行空域滤波然后进行时域滤波。
（3）按照有无运动估计，可以分为基于运动估计和运动自适应的滤波方法。二
文灰度图像的滤波估计利用图像中存在的空间相关性，而图像中存在的边缘、纹理以
及不同区域使得这种相关性随空间位置不同而变化，表现出高度非平稳的特点。视频
灰度图像序列中的相关性则同时存在于空间域（2D）和时间域（1D），不但每一帧中
的边缘、纹理等区域使得这种相关性具有空变特点，而且图像序列中的运动也使得各
帧相同空间位置处的相关性随时间改变。如何克服这种空时域非平稳性、提高滤波效
率，一直是视频灰度图像像素域降噪滤波研究的核心内容之一。
为克服运动带来的时域非平稳特性，还可进一步划分为运动估计方法和运动自适
应的滤波方法：运动估计的降噪方法直接利用运动估计过程找到当前像素在参考帧中
的对应像素，通过文持时间文的平稳性以保证滤波效果，实际上是沿着像素在图像序
列中的运动轨迹进行滤波；运动自适应的滤波方法则直接沿着时间轴进行滤波，但采
用某种自适应机制抵消运动引起的时域非平稳。
基于运动估计的滤波器，是为了充分利用视频图像时域上的相关性，在视频滤波
之前，首先进行运动估计，增强了视频图像序列在时域上的平稳性，此类方法已被证
明在多数情况下能够提高滤波器抑制噪声的能力。基于运动估计的平滑滤波器与非运
动估计滤波器类似，只是在滤波之前增加了运动估计。