随着信息产业的快速发展,人们对视频质量的要求越来越高,这促使多媒体(尤其是视频)行业及其技术的蓬勃发展。在军事方面,视频技术应用于导弹制导,坦克和军舰的一些模拟训练。除此之外,还广泛的应用于交通监控、指纹识别、人脸鉴别等。视频信号在形成、传送等过程中,可能会受到模糊、降采样以及噪声的影响。为了满足高质量的视觉要求,有必要对视频信号进行一系列的处理。运动估计是传统视频信号处理中的主要技术,但是其计算量大,并且对准确度有较高的要求。针对这些弊端,用其它算法去代替运动估计算法是明智的选择。本文在帧间模型的基础上提出加权帧间平移模型,并用其代替运动估计算法,克服了运动估计的一些弊端。本文主要对基于加权帧间平移模型的视频信号处理做了以下工作：1.结合帧间模型和非局部平均算法提出加权帧间平移模型,用此代替视频信号处理中的运动估计,并且用此模型修改视频信号的帧间方程。2.运用加权帧间平移模型,在卡尔曼框架下,再结合线性最小方差融合理论和加噪的观测方程,得到全新的去噪算法,最后用非局部平均算法对其进行后处理。仿真结果表明,相比基于非局部平均的视频去噪算法,本文提出的算法恢复的视频信号的峰值信噪比即PSNR提高了0.6～1.6dB。3.观测方程为对原始视频降采样兼加噪,采用与视频去噪类似的处理方法,得到全新的插值算法,最后用非局部平均算法对其进行后处理。通过仿真实验,本文提出的算法恢复的视频信号的PSNR提高了0.7～1.7dB。对比实验先对降采样的视频信号进行最近邻插值,然后用非局部平均算法处理。4.观测方程为经过模糊、降采样、加噪,利用本文提出的加权帧间平移模型,得到全新的超分辨率重建算法,最后用非局部平均算法对其进行后处理。相比于先对低分辨率视频信号进行最近邻插值,然后用非局部平均算法对其处理,最后用Total-Variation正则化进行去模糊的处理方法,本文提出的算法恢复的视频信号的PSNR提高了0.1～1.1dB。