图像噪声消除是数字图像处理的重要环节,通常采用维纳滤波或线性平滑滤波方法降低图像噪声,但处理效果并不理想同时,除了从图像处理角度探讨图像去噪,还可以在图像采集环节消除噪声植入因素,从而减轻图像噪声产生,其中,通常相机对焦不良是产生图像噪声的重要因素,因此,改善相机对焦效果也将有助于减轻图像噪声。为此,本文分别从图像降噪滤波和相机自动对焦技术两方面研究图像噪声消除技术。本文的主要研究内容和所取得的贡献成果如下。1、综合噪声能量分布和小波变换的特点,提出了一种基于多尺度小波变换的图像去噪重构方法:首先采用高尺度小波变换对噪声图像进行分解;然后调节小波变换尺度把小波变换高频系数中白高斯噪声(WGN)或加性白高斯噪声(AWGN)的平方边缘和阈值分别提取出来;最后,对所有阈值系数进行小波逆变换实现了图像重构。实验结果表明,该方法能有效地去除图像中的噪声,并保持图像信息最大值。2、综合全变分滤波(TVF)和加权双边滤波(WBF)两种图像去噪技术,提出一种混合变分滤波-加权双边滤波(TVF-WBF)的多滤波去噪算法;综合鲁棒双边滤波和全变分滤波去噪技术,提出了一种混合鲁棒双边过滤器-全变差滤波器(RBF-TVF)多滤波去噪算法,通过峰值信噪比(PSNR)定量比较实验结果表明,所提出的混合多滤波方式可以得到比单一滤波更好的图像去噪效果。3、针对灰度图像去噪,提出了一种基于四元数小波变换(QWT)的贝叶斯分块图像去噪算法:采用分块模型代替吉布斯分布的能量模型,通过与其他去噪算法,包括:对数似然(EPLL)、区匹配三维滤波(BM3D)、基局部最优维纳滤波(PLOW)、加权核范数最小化(WNNM)、混合鲁棒双边滤波器-全变分滤波器(RBF-TVF)和混合全变分滤波器加权双边滤波器(TVF-WBF)方法,实验比较结果表明,本文所提出的贝叶斯分块图像去噪算法有效地降低了噪声,去噪效果更清晰。4、针对红外热成像相机自动对焦降低图像噪声问题,本文提出了一种基于视觉和控制的自动对焦系统(VCAFS),包括:(1)带电动镜头的非制冷热相机,(2)基于被动对比度的焦距测量,(3)避免局部极值的平滑算子,以及(4)两种不同的镜头运动控制器。具体地:进一步提出了自动对焦图像质量量化方法,通过比较不同的对焦方法,找到了适合热成像的对焦测量方法;本文提出了一种实时视频馈送的自动对焦热像控制框架,适应目标场景和深度变化;设计并实现了基于固定和自适应步进尺寸的两种配置的bang-bang控制器,以及一个移动平均滤波器,以避免局部极值,用于控制未冷却热相机的电动镜头。实验结果表明,即使在场景和深度不断变化的视频情况下,本文所提出的自动对焦系统也显示出了极佳的图像采集质量。本论文研究工作丰富了传统图像降噪处理理论和技术。