EMCCD的高灵敏度、高量子效率和低噪声等特性使其在微光成像领域具有得天独厚的优势，但在微光条件下，图像的亮度和对比度都比较低，一般通过提高EMCCD的倍增增益来获得清晰的物像，提高增益同时也会使噪声迅速增大，使得EMCCD成像系统的成像质量受到很大的影响。微光成像系统的最佳工作性能在很大程度上是由噪声水平的大小决定的，因此根据EMCCD的噪声来源及其统计特性，建立适于图像处理的EMCCD噪声分布模型，继而能够快速准确地进行参数估计，对于滤波器的设计和减轻噪声对图像复原的影响具有重要的理论意义，且具有广泛的应用前景。　　 本文详细分析了EMCCD图像中的各种噪声来源及其统计特性，结合描述图像信号组成的数学模型，利用混合泊松-高斯分布建立了EMCCD的噪声分布模型。针对EMCCD噪声分布模型的特殊性和复杂性，本文采用了矩估计法、期望最大化法和高斯-牛顿法来完成EMCCD的噪声参数估计，详细讨论了三种算法基于混合泊松-高斯分布模型的具体估计步骤和实现方法。利用MonteCarlo方法进行仿真计算，结果证明了本文算法的有效性。采集一系列无信号输入时EMCCD输出图片估计其噪声参数，实验结果表明，噪声参数估计结果与器件性能指标值一致，将有利于EMCCD噪声抑制和图像复原的研究。　　 利用本文研究的参数估计算法可求出EMCCD噪声参数值，仿真生成相应的混合泊松-高斯噪声，利用小波半软阈值算法对EMCCD图像进行了滤噪处理，仿真结果表明，小波半软阈值滤波算法能有效滤除噪声，还原清晰图像，且能保留图像中的细节和边缘信息。