近年来数字图像技术的高速发展,使其被广泛运用到航天航空、遥感卫星和道路视频监控等领域,并给各领域带来了史无前例的突破。但数字图像的质量易受外界光照强度影响,当光照条件不理想时,其视觉效果会大打折扣,产生的低照度图像不仅清晰度低,边缘模糊,而且含有大量的噪声,严重干扰了原始信息,更会给后续的图像处理工作带来困难。因此对低照度图像进行去噪处理,恢复有效信息的工作具有重大的实际意义。本文拟对低照度图像进行去噪算法研究,主要内容如下：1.基于邻域的图像去噪算法,使用周边像素对中心点进行线性估计,但该扩散处理会导致图像过度平滑,丢失细节特征。为保持图像纹理信息,可引入权值矩阵控制扩散过程,因而本文提出了一种基于扩散加权最小二乘准则的去噪算法,通过最小化邻域内像素的加权误差平方和实现去噪目的。为减弱沿梯度方向扩散而导致的边缘模糊效应,抑制权值矩阵中对应梯度方向的较大特征值,可控制扩散方向以保护边缘信息。在估计原始图像的过程中,引入中间变量和相关系数进行联合计算。根据图像平坦区域梯度值较低,而边缘部分梯度值较高的原理,利用梯度信息自适应地调节平滑强度实现各向异性扩散,再根据投影原理将相关系数映射到约束空间,通过最陡下降法进行迭代求解。实验仿真证明该算法能有效去除低照度图像中的噪声。2.当图像邻域内存在无关像素时,扩散处理会影响估计的准确性,且图像除了邻域信息,还存在一些距离较远但结构相似的图像块,利用图像冗余信息可有效保持边缘特征,因而本文提出了一种基于随机舍弃邻域和非局部相似性的去噪算法。处理图像局部信息时,采用伯努利试验对邻域像素进行随机舍弃处理,对保留的像素基于局部方差与偏差之和最小化原则求解相应权值。处理图像非局部信息时,基于图像块之间的结构相似性原则,计算欧式距离求解相应系数。最后结合局部和非局部信息建立去噪模型,并采用最陡下降法迭代求解。实验结果表明该算法在去噪的同时能有效保持边缘信息。本文针对低照度图像去噪任务,围绕着如何在去除噪声的同时保护细节特征的问题进行了探索,并取得了一定的研究成果,对低照度图像去噪算法研究具有指导意义。