一. 引言
近年来，数字视频的应用越来越广泛，几乎所有的电视台和传输系统前端都已经实现数字化视频应用和传输。各种对数字视频信号的压缩算法也取得了比传统模拟信号更高的压缩比率，因而也大大减少了传输通道的带宽。与日益增加的数字视频应用相联系，对降噪滤波算法的要求也日益增多。因为，在一个视频序列中所出现的噪声不仅降低了观看的质量，而且也降低了处理视频序列工作的效率。例如，在MPEG编码前，由于噪声的出现，增加了该图像序列的熵，从而降低了该图像序列的编码效率。因此，采用降噪滤波的各种方法不仅可改善观看质量，而且也提高了视频处理工作的性能。所以降噪滤波在编码、分析、视频处理等方面都可加以应用。
二. 图像降噪滤波的基本原理
我们知到，一个降质模型可用如下(1)式表示：
g(i,j,k)=f(i,j,k)+n(i,j,k) (1)
其中f(i,j,k)表示原图像的强度，亦即在时域上是第k帧，空间域上是在(i,j)那点位置上的原图像信号强度。相应地，g(i,j,k)表示我们所观察的图像信号，n(i,j,k)是独立加性高斯噪声项。(1)式意味着适合于一个三维取样或者是前向扫描视频序列，但并不意味着它不适合于交错视频序列。奇数场、偶数场可被降噪滤波器看成是两个独立的前向扫描序列，或者在进入降噪滤波器前就把奇数场、偶数场合并成一帧。
图像序列降噪滤波的问题就是根据受噪声影响的观察值g(i,j,k)去找出原图像序列f(i,j,k)的估值。恶化图像序列的噪声源是多方面的，诸如摄像机产生的噪声、源于电子器件的散粒噪声，以及热噪声和通道噪声。多数噪声源的噪声呈现加性高斯噪声的特征，因此可用(1)式表达。在限量的情况下，泊松噪声也可出现在序列中。如图1所示。
图中列出一个图像序列：第k帧、k+1帧……。由于图像序列帧与帧之间，帧内像素与像素之间一般都有较强的相关性，而服从高斯分布的噪声却没有相关性。因而我们可充分利用图像序列中的相关性去“平滑”掉噪声。
三. 降噪算法和分类
假设一帧图像内像素之间的几何空间位置的关系具有二维空域性，帧间像素的关系具有一维时域性，则降噪滤波算法可根据滤波器所能处理的基底区间的维数来分类。如：仅利用帧间相关性的一维时域降噪滤波器和充分利用存在于时间方向和空间方向上相关性的三维时空域滤波器。利用相关性可减少时间方向上或空间方向上不稳定的敏感度。然而，这种稳定性的假设会导致时间方向上或空间方向上的缺陷，即运动模糊和边缘模糊。因为，一个动态图像序列尽管有相关性，这种相关性有时甚至会很强，但它依然是变化的。两种主要能达到避免这种缺陷的方法是自适应和运动补偿。所以，在降噪滤波算法分类中也可根据该算法是否有运动补偿来分类。因此，可把降噪滤波算法分成四类：非运动补偿时空域滤波算法、运动补偿时空域滤波算法、非运动补偿时域滤波算法、运动补偿时域滤波算法。非运动补偿可引入自适应的方法，而运动补偿一般可看成是运动估计和滤波的两个相应步骤。如图2所示。
四. 降噪器的基本组成
众所周知，电视图像信息是按帧周期重复的，除快速切换的画面外，帧相关系数（K）可达0.8，即相邻帧的图像信息有80%左右是相同的。而混杂在视频图像信号里的噪声却有随机的特性。因此把图像信号以帧周期作时间上的平均处理，则对图像信息部分几乎没有影响，而噪声的能量因此而降低了，这样就改善了信噪比。显然，对静止图像或缓慢变化的图像而言，参加平均处理的帧数越多，噪声抑制的效果越好。所以理想的方法就是利用若干个帧存储器组成IIR 滤波器进行平均处理。通常数字视频降噪器的组成如图3。
五. 信噪比的改善
在图像处理中，经常要对噪声污染的图像进行降噪处理。有多种消除或降低噪声的方法。不同的方法可以应用于不同种类的噪声。这些方法是线性滤波、中值滤波和自适应滤波等。通常，应用最广泛的是对于随机的加性高斯噪声的处理。
设滤波器输出端的信噪比为S0/N0， 最广输入端的信噪比为Si/Ni，如果输入与输出信号的幅度相等，则有：
S0/N0/Si/Ni= Ni/N0
上式表明经过滤波后信噪比的改善度等于输入端噪声功率密度Ni与输出端噪声功率N0之比。因为滤波器是以帧频为周期工作的，所以可以在该周期内计算噪声功率。
设噪声的能谱密度为n的平方，则一个周期内（0-1/π）的输入噪声输入功率为：
Ni =∫n2df=n2/T
则一个周期内(0-2π)的输出端噪声功率为：
N0=1/2πt·∫n2∣H(ω)∣2dω
= n2/2πt?·(1-k)2/(1+k2-2kCosωT)·dωT
&n