在分析了可见光CCD的噪声分类以及产生机理后，我们了解到在信号的收集、转移、放大、输出过程中，将不可避免的引入许多不同种类的噪声：如光子噪声、散粒噪声、暗电流噪声等。正是这些干扰因素导致了图像模糊、畸变，质量下降。为了获得更清晰的高质量图像，我们不得不探讨和解决图像去噪的问题。一般来说，图像的“去噪”就是指从被噪声掩盖的图像中复原原始图像信息，也叫滤波。目前较为活跃，也较为成熟的滤波方法大概分为空间域滤波、时域滤波和变换域滤波。30511
1、空间域图像滤波
空间域滤波可以通俗的理解为单帧图像内的滤波。这种滤波方式不受前后帧图像信息的干扰，也就不存在图像拖影（余像）的问题。空间域内的滤波器分为线性滤波器和非线性滤波器两种。从实质来说，这两种滤波方式都可以认为是对某一像素点及其邻域的操作。大致的过程是这样的：首先自定义一个 的模板窗口，使模板中心与待处理像素重合，通过模板卷积对待处理像素的邻域进行一系列运算或操作后将得到的数值替换原像素值，这样就实现了对一个像素的滤波。在整幅图像上平移该模板并重复上述操作，直到完成整幅图像的滤波。目前，空间域滤波中最广为应用的是中值滤波。中值滤波器的输出实质上就是模板下所有对应像素的中值，很明显，它在滤除噪声的同时也会破坏图像的细节，使图像模糊，因而它更适合用来“对付”脉冲噪声。论文网
2、时域图像滤波
时域滤波常常也叫做帧间滤波，利用前后帧图像之间的相关性，把两帧图像以帧周期为单位在时间上做加权平均，从而达到去噪的目的。显然，只有对于相关性较强的相邻帧图像来说，时域滤波才能起到明显的作用。
3、基于变换域的图像滤波
这里的变换主要包括傅立叶变换和小波变换。傅里叶变换考虑到：图像中大部分信息变化缓慢，能量集中在低频部分，而噪声由于具有随机性，能量主要集中在高频部分。因此，为了提高图像信噪比，一般选用低通滤波器，通过抑制图像中的高频分量来达到降噪的效果。可见，为了保证低频分量，要求图像比较平稳，但实际图像却包含了大量突变部分，因此，基于傅立叶变换的滤波效果并不是很理想。
80年代末，小波变换的概念一经提出，就收到了强烈反响。它通过伸缩平移运算对信号逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，在相当程度上解决了傅立叶变换存在的弊端[2]。
事实上，任何一种单独的滤波方式都不能达到令人满意效果，因而我们必须通过各类算法之间行之有效的结合来更好地实现去噪。 可见光去噪算法研究现状:http://www.youerw.com/yanjiu/lunwen_26240.html