弱光成像技术是成像领域中一个重要研究方向,在国防军事、安防监控、环境监测和野生动物保护等领域有着广泛的应用需求,同时高质量的成像技术有利于后续的视频分割检测识别等任务。然而,目前硬件实现的弱光成像技术成本高昂,难以实现商业级的应用,同时软件实现的弱光成像技术信噪比低并且缺乏颜色信息,所得图像与人眼感知特性差别巨大。因此,如何利用现有的成像设备,通过计算摄像学技术来经济有效地实现弱光成像,成为研究的热点课题。弱光成像技术的研究难点在于如何有效去除低照度下相机的高增益设置引起的大噪声,以及如何在夜间光照不均衡的条件下保持动态范围的均衡。本文对弱光成像技术的难点进行分析,研究提出了两种关键算法:视频去噪算法和高动态范围增强算法。本文提出了一种基于实际相机噪声建模的视频去噪算法。该算法通过探索数字相机在高增益下噪声的物理成因,建立数学模型,标定噪声参数以及制作符合实际的噪声视频训练集,训练基于卷积LSTM的视频去噪增强的网络架构。在主观视觉和客观指标上都取得了很大的性能提升,尤其是在实际噪声视频上效果显著。本文提出了一种基于深度学习的视频高动态范围增强算法。该算法在网络架构中加入最新的注意力模块来处理运动区域的对齐问题,同时加入了感知损失模块来进一步增强网络的HDR细节重建的能力,在HDR数据集上获得了明暗区域细节丰富的视觉效果。