一. 引言
近年來，數字視頻的應用越來越廣泛，幾乎所有的電視臺和傳輸系統前端都已經實現數字化視頻應用和傳輸。各種對數字視頻信號的壓縮算法也取得了比傳統模擬信號更高的壓縮比率，因而也大大減少了傳輸通道的帶寬。與日益增加的數字視頻應用相聯系，對降噪濾波算法的要求也日益增多。因為，在一個視頻序列中所出現的噪聲不僅降低了觀看的質量，而且也降低了處理視頻序列工作的效率。例如，在MPEG編碼前，由于噪聲的出現，增加了該圖像序列的熵，從而降低了該圖像序列的編碼效率。因此，采用降噪濾波的各種方法不僅可改善觀看質量，而且也提高了視頻處理工作的性能。所以降噪濾波在編碼、分析、視頻處理等方面都可加以應用。
二. 圖像降噪濾波的基本原理
我們知到，一個降質模型可用如下(1)式表示：
g(i,j,k)=f(i,j,k)+n(i,j,k) (1)
其中f(i,j,k)表示原圖像的強度，亦即在時域上是第k幀，空間域上是在(i,j)那點位置上的原圖像信號強度。相應地，g(i,j,k)表示我們所觀察的圖像信號，n(i,j,k)是獨立加性高斯噪聲項。(1)式意味著適合于一個三維取樣或者是前向掃描視頻序列，但并不意味著它不適合于交錯視頻序列。奇數場、偶數場可被降噪濾波器看成是兩個獨立的前向掃描序列，或者在進入降噪濾波器前就把奇數場、偶數場合并成一幀。
圖像序列降噪濾波的問題就是根據受噪聲影響的觀察值g(i,j,k)去找出原圖像序列f(i,j,k)的估值。惡化圖像序列的噪聲源是多方面的，諸如攝像機產生的噪聲、源于電子器件的散粒噪聲，以及熱噪聲和通道噪聲。多數噪聲源的噪聲呈現加性高斯噪聲的特征，因此可用(1)式表達。在限量的情況下，泊松噪聲也可出現在序列中。如圖1所示。
圖中列出一個圖像序列：第k幀、k+1幀……。由于圖像序列幀與幀之間，幀內像素與像素之間一般都有較強的相關性，而服從高斯分布的噪聲卻沒有相關性。因而我們可充分利用圖像序列中的相關性去“平滑”掉噪聲。
三. 降噪算法和分類
假設一幀圖像內像素之間的幾何空間位置的關系具有二維空域性，幀間像素的關系具有一維時域性，則降噪濾波算法可根據濾波器所能處理的基底區間的維數來分類。如：僅利用幀間相關性的一維時域降噪濾波器和充分利用存在于時間方向和空間方向上相關性的三維時空域濾波器。利用相關性可減少時間方向上或空間方向上不穩定的敏感度。然而，這種穩定性的假設會導致時間方向上或空間方向上的缺陷，即運動模糊和邊緣模糊。因為，一個動態圖像序列盡管有相關性，這種相關性有時甚至會很強，但它依然是變化的。兩種主要能達到避免這種缺陷的方法是自適應和運動補償。所以，在降噪濾波算法分類中也可根據該算法是否有運動補償來分類。因此，可把降噪濾波算法分成四類：非運動補償時空域濾波算法、運動補償時空域濾波算法、非運動補償時域濾波算法、運動補償時域濾波算法。非運動補償可引入自適應的方法，而運動補償一般可看成是運動估計和濾波的兩個相應步驟。如圖2所示。
四. 降噪器的基本組成
眾所周知，電視圖像信息是按幀周期重復的，除快速切換的畫面外，幀相關系數（K）可達0.8，即相鄰幀的圖像信息有80%左右是相同的。而混雜在視頻圖像信號里的噪聲卻有隨機的特性。因此把圖像信號以幀周期作時間上的平均處理，則對圖像信息部分幾乎沒有影響，而噪聲的能量因此而降低了，這樣就改善了信噪比。顯然，對靜止圖像或緩慢變化的圖像而言，參加平均處理的幀數越多，噪聲抑制的效果越好。所以理想的方法就是利用若干個幀存儲器組成IIR 濾波器進行平均處理。通常數字視頻降噪器的組成如圖3。
五. 信噪比的改善
在圖像處理中，經常要對噪聲污染的圖像進行降噪處理。有多種消除或降低噪聲的方法。不同的方法可以應用于不同種類的噪聲。這些方法是線性濾波、中值濾波和自適應濾波等。通常，應用最廣泛的是對于隨機的加性高斯噪聲的處理。
設濾波器輸出端的信噪比為S0/N0， 最廣輸入端的信噪比為Si/Ni，如果輸入與輸出信號的幅度相等，則有：
S0/N0/Si/Ni= Ni/N0
上式表明經過濾波后信噪比的改善度等于輸入端噪聲功率密度Ni與輸出端噪聲功率N0之比。因為濾波器是以幀頻為周期工作的，所以可以在該周期內計算噪聲功率。
設噪聲的能譜密度為n的平方，則一個周期內（0-1/π）的輸入噪聲輸入功率為：
Ni =∫n2df=n2/T
則一個周期內(0-2π)的輸出端噪聲功率為：
N0=1/2πt·∫n2∣H(ω)∣2dω
= n2/2πt?·(1-k)2/(1+k2-2kCosωT)·dωT
&n