Bayer格式是CMOS或CCD传感器直接输出的图像格式。相应的图像被称为Bayer图像。在低照度条件下,传感器成像不可避免地会受到噪声干扰。噪声不仅影响视觉效果,而且会降低压缩比、增加传输带宽、影响后续智能分析算法的鲁棒性和有效性。针对Bayer图像去噪,能够避免颜色插值、颜色校正、伽马校正等非线性变换带来的噪声模型复杂化问题,从源头上抑制噪声。本文针对Bayer图像序列噪声抑制问题展开研究,特别针对具有固定背景特点的图像序列应用需求。采用基于变化补偿的研究思路:首先在噪声图像序列中检测运动、光照、阴影等引起的变化区域,然后在背景静止区域进行时域滤波,前景变化区域进行空域滤波。基于此思路,展开了以下几个方面的研究:(1)基于亮度分量导向的Bayer图像噪声抑制方法。利用导向滤波方法挖掘各颜色通道间的空间相关性,使得红、绿、蓝各颜色分量具有相同的梯度信息。在导向信号的选取上,选择了具有高信噪比特点的亮度分量信息。为了验证算法的硬件可实现性与实时性,基于FPGA平台进行了硬件设计与实现。对比实验在仿真噪声图像序列与实拍噪声图像序列上进行。实验证明,该算法在同样基于邻域滤波核的去噪方法中具有领先优势。Bayer图像噪声抑制是图像序列时空滤波方法的空域部分,它也可以作为单幅图像去噪方法使用。(2)基于亮度分量降采样的实时Bayer图像序列噪声抑制方法。针对成像设备的实时采集处理传输是去噪在实际生产生活中的重要应用之一。本文提出了基于Bayer图像亮度分量降采样的去噪方法。降采样方式的变化检测能够有效抑制低照度条件下的大噪声干扰,而且还有利于FPGA硬件实现。在时域滤波部分,采用过去去噪后的Bayer帧与当前帧按帧间变化程度进行多帧加权平均的方法。变化区域的空域滤波则采用了(1)方法。基于降采样的实时图像序列去噪算法同样也在FPGA硬件平台上进行了设计与实现,以验证算法的实际工作性能。仿真噪声图像序列与实拍噪声图像序列上的实验证明,该算法在噪声程度较小时,虽然不如某些优秀的图像序列去噪算法,但是在大噪声情况下,则具有明显优势。低照度大噪声条件下的应用,是去噪方法的主要应用场合之一。因此,该算法对于数字成像设备的实际应用也具有重要意义。(3)基于shearlet表示的Bayer图像序列噪声抑制方法。除了硬件设备实时应用外,视频采集后进行高性能的噪声抑制处理也是去噪的重要应用之一。本文提出了基于亮度分量shearlet表示的变化检测方法以更进一步提高变化检测的准确性。背景区域利用卡尔曼时域滤波,获得更加优秀的去噪效果;变化区域利用非局部均值滤波对提取的亮度分量作预处理提高导向信号的信噪比。对比实验表明,在小噪声情况下,该算法取得了与其他优秀算法相媲美的效果;在大噪声情况下,则具有明显领先优势,特别是在背景静止区域。(4)基于小运动矢量特征的Bayer图像序列噪声抑制方法。高帧速率图像序列具有视频流畅、无运动模糊等特点。但高帧速率也带来了短曝光时间的大噪声问题。本文根据高帧速图像序列的小运动矢量特征,提出了基于变化区域包含关系的变化检测方法。该方法比基于shearlet表示的方法更进一步改善了大噪声条件下的变化检测性能。(4)中的时域滤波与空域滤波方法则与(3)相同。对比实验表明,该方法在针对小运动矢量图像序列的去噪问题上,在小噪声条件下与其他优秀算法性能相当,在大噪声条件下则具有显著优势。除了高帧速图像序列,该算法适用于其他具有小运动矢量特征的图像序列,例如,常速摄影下对慢速物体的拍摄等。