在对噪声去除之前，需要先了解噪声的类型。通常视频序列中的图像噪声有两种，一种是高斯噪声，另一种是椒盐噪声。高斯噪声存在于视频的拍摄和传输过程中，在传感器采集视频时候产生的高斯白噪声是加性的，它的值难以确定，因此较难去除，当视频序列在信道中传输时，也会产生高斯加信白噪声，同样难以处理。椒盐噪声的产生则是由于复杂的摄像头内部元件，影响到了图像的呈现效果，由于这种噪声与拍摄下来的图像的联系并不是太大，所以这种噪声处理较为简单。我们并一定能在采集图像后得到需要的噪声效果，因此我们选择人为的方式产生噪声，这需要建立数学模型，从而实现图像中有噪声这个效果。由于高斯噪声难以处理及模拟，所有我们选择处理模拟的椒盐噪声。

2。2。1 椒盐噪声

椒盐噪声和高斯噪声是视频图像处理中最为常见的两种噪声[14]，它产生在摄像头内部的元件工作时，或当视频在数字与模拟信号之间转换时也会产生这种噪声。由于这些噪声点相比较于原图像像素值差距较大，所以通常像素值较为极端，不是黑色就是白色，且随机分布，没有规律，非常像我们日常生活经常使用的调料椒盐，因此形象的把这种内部产生的不确定且极端噪声称为椒盐噪声，如图2-2，2-3所示。

     （a）原图                           （b）加入椒盐噪声后的图片

图2-2:椒盐噪声

(a)原图局部图               (b)加入椒盐噪声后的局部图

图2-3:局部图

椒盐噪声是导致视频序列中每帧图像信息与理想信息有差别的主要原因之一，对椒盐噪声的处理我们通常需要对视频序列进行滤波处理，滤波处理可以使得图像中的污染被减少，使得图像能够更精确的描述真实的信息，也可以使得后续的工作能够更良好的进行。文献综述

由于存在各种各样的噪声，处理噪声的方法也各种各样，且特点不一，常用的方法为图像滤波法，它是目前为止应用较为广泛的噪声去除方法[15]。图像去噪并不是只把这些噪声像素点还原成理想中的像素点，而是通过周围像素点的关系，将噪声像素点变成一个较为理想的像素点，它只能将干扰降低，而不能彻底的还原，它只需要达到是后续工作不太受噪声影响这一目标即可。目前，图像滤波法可以分为两种方法：1。空域滤波2。频域滤波。目前最为常用的噪声去除法即为空域滤波法，它是噪声去除的经典方法。空域滤波值得是，由于图像是由一个个像素点拼成的，一个现实中的物体也通常是由一堆像素点拼成的，在描述物体的过程中，像素点之间通常是有联系的，而空域滤波正是利用了这些关系，通过选取一个模板，进行不同的数学计算，来生成一个与周围像素点之间有一定关系的新像素点来替换噪声的像素点。通常噪声像素点相对于正常的像素点，它的灰度值通常较高，因此一般都采用低通滤波器来进行降噪处理。尽管这个滤波器可以消除噪声，但是它会导致像素之间对比不够明确，从而导致图像模糊不清，使图像的边缘也变不再明显。空滤滤波[16]的常用方法有均值滤波法和中值滤波法，下面将研究实现并比较这两种方法。

2。2。2均值滤波

均值滤波法[17]是空滤滤波处理中使用较为频繁的方法，它的优点是实现简单，计算方便，处理速度较快，且适用于许多环境。它的基本原理是围绕噪声像素点选取一个正方形模板，一般情况下为3行3列的模板或者5行5列的模板，由于这些像素点之间的关系，并且通常噪声像素点[18]与周围环境并不会有上述的关联性，所以这个噪声像素点可以被这个模板上的所有像素点的平均值所取代。通过这个处理，噪声点与周围像素点的存在的差异就被平均的被周围像素点所分摊，使得图像变得平滑，噪声点不再那么明显。就算是不属于噪声一些与周围像素点关联性不大的像素点也会被替换掉。由于它的以上优点，均值滤波法应用十分广泛。来.自^优+尔-论,文:网www.youerw.com +QQ752018766- OpenCV概率模型的运动目标检测算法研究(5):http://www.youerw.com/jisuanji/lunwen_125951.html