另外，一些专利方法都是以有限冲击响应（Finite Impulse Response FIR）滤波器
形式出现的，而递归滤波器（Recursive or Infinite Impulse Response Filter IIR Filter）则
在计算量和内存方面都具有明显的优势，更适合实时视频系统。在视频降噪中，IIR
滤波器用当前帧和处理过的前一帧进行降噪即递归滤波器，FIR 只使用了当前帧，前
一帧，后一帧或者更多的几帧进行降噪。
基于像素级的降噪算法对时域上和空域上的相关像素进行筛选，被选中的像素将
用于对当前像素进行滤波，这种降噪算法能在保留图像细节的同时对像素进行恰当的
降噪。但算法运算复杂度比基于帧级或者宏块级的降噪算法的运算复杂度要大。还有
算法同时处理加性噪声、乘性噪声和加性噪声和乘性噪声相互组合情况下的噪声，这
种算法的思想是先求出这几种噪声的等价加性噪声模型，然后用处理加性噪声的方法
进行降噪处理。
在国内，华为公司的视频降噪专利中，在进行滤波之前判断平坦区域和静止区域。
对于平坦区域的像素点进行低通滤波，以保护边缘，对运动区域像素点不进行处理，
避免了运动剧烈的画面出现“拖尾”的现象。张文洁提出了一个类似的非运动估计的自
适应时域滤波方法，通过对滤波像素进行运动检测来判断是否参与滤波、自适应调整
滤波参数。这类方法主要是对视频图像中的静止区域进行时域滤波，而不对运动区域
进行处理，保护了视频图像中的细节，因此其缺点就是视频中运动物体部分没有进行
降噪；杨文文和陈生谭等提出了一种改进的自适应时域滤波算法，通过一个滤波模块
进行噪声判断，根据视频中噪声级别自适应确定平滑滤波参数，该算法对视频中不同
级别的噪声均进行了时域滤波，且从一定程度上消除了传统方法带来的拖尾现象。这
类噪声算法会引入噪声标准差或噪声方差估计单元，利用估计出的噪声标准差或者噪
声方差作为判断是否进行滤波的阈值，从而减小滤波对边缘的影响。
综上所述，在现行视频图像像素域 3D 降噪算法中：利用了运动估计的空时滤波
和时域滤波都进一步提高了这类滤波器抑制噪声的能力、提高了处理后视频序列的峰
值信噪比，其相应的不足就是由运动估计引入的计算开销较大，且运动估计的精度在
一定程度上决定了抑制噪声的效果；采用递归算法的空时滤波在内存和计算量方面比
非递归滤波有明显优势，使得这类滤波器能较好地适用于实时视频系统。 视频降噪算法的国内外研究现状(2):http://www.youerw.com/yanjiu/lunwen_4176.html