本论文主要针对视频去噪算法进行研究。数字图像和视频作为一种可记录的信息媒介,自其出现以来,在人类现代社会文明中发挥了非常重要的作用。随着电子与多媒体技术日新月异的高速发展,如今更是衍生出一系列基于视频传播的新型职业与视频形式。然而,数字图像和视频通常在诸如采集,传输和存储的一系列过程中引入噪声,噪声会干扰原始视频序列信息,给接收者带来不好的视觉体验。如何去除噪声,使视频序列其能最大程度的呈现原始信息显得尤为重要。一些传统的图像视频去噪算法会在滤除噪声颗粒时引入人工噪声或大大模糊图像,因此存在很大的局限性;一些算法具有更好的去噪效果,但是一些图像边缘信息却在去噪时丢失,或者由于计算量太复杂,导致算法效率低下。基于此,本论文提出了一种高效的视频去噪方法,即利用最近提出的基于相机运动补偿的网格流运动模型来生成去除噪声后的更为清晰的视频。网格流是空间平滑的稀疏运动场,其中运动矢量位于网格顶点处。由于其内部特征(例如轻量级,非参数表示和空间变量运动补偿),该模型不仅高效而且对于多帧的去噪也是有效的。网格流采用像素轮廓来取代真实的运动轨迹进行有效的运动积累,像素轮廓是沿着像素的空间位置的时序运动矢量的集合。在网格流中,像素轮廓被称为顶点轮廓,因为在网格流动模型中,仅收集在网格顶点位置而不是每个像素位置处的稀疏运动矢量。网格流通过以空间和时间方式融合若干对齐帧以及拒绝异常值的像素一致性验证来生成去噪帧。当输入含噪声的视频序列后,首先估计相邻帧间的网格流,然后根据网格流将局部时间窗口内的所有相邻帧变形到中心帧,通过融合经过一致性像素识别的变形帧来生成去噪帧,视频序列随着时间窗口的移动逐帧去噪,输出去噪后的视频。此外,本文在研究过程中对算法框架进行了优化。本文表明可以将帧与常见的“关键”帧对齐以节省计算而不会牺牲去噪质量。结合几种有效的解决方案,本文提出的去噪方法可以以40FPS的速度对视频(720P)进行去噪。而且,本文提出的去噪方法不仅可以处理离线视频,也可以适用于在线处理。大量的实验和分析验证了基于网格流动模型进行视频去噪的有效性和鲁棒性。