近年来,智能手机的拍摄功能日益强大,手机照片分辨率在不断地提高,由于手机中图像传感器尺寸的限制,感光单元面积不断减少,使得图片的信噪比下降,尤其在低照度下噪声明显增加。研究低照度图像去噪技术,恢复图像细节信息,提升图像质量,具有重要的研究意义,并可广泛用于消费电子、安防监控和自动驾驶等领域。论文阐述了低照度图像去噪技术的研究背景和意义,并总结了相关技术的研究现状。利用多帧图像的时间域信息,论文提出了一种基于连拍图像的多帧融合去噪算法。首先,论文分析了低照度图像具有噪声干扰严重、对比度低的特点,针对光流法对噪声敏感的缺点,提出了一种改进的SIFTflow运动估计方法,通过联合密集的SIFT图和去除噪声干扰的结构图来提高算法在噪声下的配准精度,实验证明,提出的配准算法不仅可以获得稠密的运动矢量信息,同时对噪声更加鲁棒。其次,针对到配准失败的情况,论文提出了一种细节保持的图像融合去噪算法;利用基于变换域融合的方法来保持融合后的图像细节,针对原始的基于变换域融合方法噪声残留过多的问题,利用一致性像素图,设计了一种自适应控制系数来减少噪声残留,并设计了一种自适应加权融合方法,进一步降低了融合后的图像噪声。实验结果表明,提出的融合算法在去除噪声的同时可以较好地保持图像细节。针对现有的去噪算法未考虑到图像噪声的跨通道相关特性,论文提出了基于跨通道模型的单帧图像去噪算法。论文分析了图像噪声跨通道相关特性的来源,并介绍了跨通道噪声模型;利用图像的非局部自相似性和低秩先验假设,基于跨通道噪声模型,推导了跨通道带权核范数最小化模型用于图像去噪,针对模型求解过程中由于估计的不准确性造成协方差矩阵的逆矩阵非半正定的问题,借助于最优相关系数矩阵问题的研究,通过求解一个凸二次半定规划问题,获得最优的半正定矩阵来逼近原始矩阵。最后利用合成的噪声图像和真实的噪声图像数据证明了,提出的图像去噪算法在性能上优于目前相关领域内先进的去噪算法。