4。4 峰值信噪比（PSNR）比较23

结论  25

致谢  26

参考文献27

1  绪论

   1。1 课题研究背景

在现实生活中，图像是人类获取信息的重要来源，其中通过人眼视觉这一渠道获得信息占有很大比重。有关资料显示，一个人从生活中获取的信息大约有80%的部分来自视觉图像[1]。图像可以通过照相机、显微镜等光学设备获取，也可以人为创作。现如今，随着科技数字化的迅猛发展，利用互联网、卫星通信、电视等光电技术手段，越来越多的图像以数字形式存储、传播，数字图像处理技术也变得愈发重要。论文网

    如今数字图像处理技术大多采用计算机处理，主要包括以下内容：几何处理（Geometrical Processing）、算术处理（Arithmetic Processing）、图像增强（Image Enhancement）、图像复原（Image Restoration）、图像重建（Image Reconstruction）、图像编码（Image Encoding）、图像识别（Image Recognition）和图像理解（Image Understanding）[2]。

通过对图像进行分析、加工和处理，从而满足人们视觉等实际需求，是数字图像处理的基本内容。是目前光电成像技术领域的一个重要研究方向，也是解决微光图像中噪声常用手段。

在大自然中，尤其是在夜间或者是低照度条件下，比如星光、月光、阴天夜晚，由于曝光不足，成像也会丢失很多细节，同时，噪声的出现会更使图像的质量大大降低，致使图像几乎无法使用。因此，图像降噪就成为一个尤其重要且需要考虑的问题。

1。2  国内外研究现状   

1。3  本论文所做的工作

本文将重点研究微光图像的特征，和成像系统的结构，通过借助于MATLAB工具，运用各种降噪算法，对图像噪声进行处理，并进行大量的实验，根据实际结果，总结现有的图像去噪算法的优缺点，研究针对微光图像降噪的改进算法。文献综述

第二章系统概述了微光夜视技术和微光图像噪声的特点，阐明微光成像系统的基本组成，第三章则介绍了数字图像几类噪声及其特点，第四章归纳了比较经典的图像噪声算法，和之间的比较，第五章是本文的实验结果分析，通过对不同算法的仿真图像和数据，总结各种算法之间的不同之处。

2  微光技术 

2。1  概述

微光技术是一门重要的光电技术，是为了满足人们对于提高自身人眼在低照度下的视觉能力的需求而发展出来的科学。1955年A。Sommer发现了碱金属光电阴极，开启了微光技术的大门，至今已有几十年的发展史。微光这一含义，广义上是指低照度下微弱的光或能量低到不能引起视觉感知的光[3]。现实生活中主要指夜间的可见光，如月光、星光和大气辉光等微弱光。

白天，我们之所以能看到周围环境中的事物，那是因为人眼接受了物体表面反射的太阳直射光或散射光。但是，当到了夜晚，没有了太阳光，如果周围也没有其他光源，人就会无法看清具体的景物了。在大多数情况下，在野外，如果有月光、星光和大气辉光等夜天辐射，物体依旧会反射这些微弱的光线，所以我们可以依稀地辨别出它们的基本形状。其中夜天辐射主要来自于自然界，然而因为其光照度太低，从而低于人眼视觉阈值，致使人眼没有实时的感知。为了解决这个长久以后困扰人类的难题，从而提出了基本解决方法：

   （1）增大光圈，尽可能增加进光量；

   （2）利用电子学方法，使微光图像放大；