低照度环境下如何获取清晰的高分辨率数字图像是民用和军事应用的难点和空白点。大多数商业相机的低照度成像性能都较差，导致获取的低照度图像中有明显的噪声存在，因此如何抑制低照度条件下成像中存在的噪声成为提升相机性能的研究热点。本文通过研究分析自适应控制和系统辨识的基本原理，及几种经典图像降噪和去马赛克算法的优缺点，将自适应控制和系统辨识的思想运用在低照度彩色图像的降噪上，建立了基于自适应反馈的非局部均值低照度图像降噪与彩色插值算法模型。实验结果证实了该算法模型的有效性。论文主要在以下几个方面开展工作：1、总结了低照度彩色相机的发展和研究状况，对低照度图像噪声特点进行了分析，并阐述了彩色相机的成像原理及马赛克现象形成的原因。总结了几种传统降噪算法和传统去马赛克算法的优缺点。2、总结介绍了自适应控制理论的基本原理、基本模型及主要研究问题；总结介绍了系统辨识的基本原理、研究问题及基本方法。3、通过对传统非局部均值图像降噪算法的分析，提出了两种改进算法模型。一种是将自适应反馈的思想运用到非局部均值算法中，建立了“基于数学形态学的自适应反馈非局部均值图像降噪算法模型”。另一种是巧妙使用两次尺度变换，建立了“双尺度自适应非局部均值图像降噪算法模型”，并将这两种降噪算法模型分别与一些最新改进的非局部均值算法进行比较实验，验证了它们的有效性。4、通过对低照度下泊松噪声特点的分析，针对无法根据图像的亮度信息来判断噪声统计模型的问题，借鉴自适应控制的思想，结合残差分析法，建立了“基于噪声分类反馈的自适应非局部图像降噪算法”。进而，针对彩色滤波阵列的特点，建立了“基于非局部均值和区域自适应梯度的去马赛克插值算法”，以得到最终的低照度降噪彩色图像。最终在一定程度上解决了低照度彩色相机成像的噪声问题。本文通过大量图像测试实验，验证了所提出的几种算法模型的有效性。最后，对全文进行了总结，并对下一步的工作进行了展望。