随着视频监控技术的发展，对监控视频的处理已成为视觉系统研究的一个热点。监控视频由于天气和光照的变化等原因经常含有一定程度的噪声。噪声的存在不仅使得视频质量下降，影响人们的主观感受，而且增大了传输带宽和数据存储空间，对视频的后处理带来不便。此外，监控场景中，场景比较固定，视频序列之间具有很大的时间相关性，时间冗余度很高，长时间监控摄像机累计产生的数据量很大，增大了数据传输和存储成本。针对这两方面的问题，本文主要研究了监控场景中基于小波域的去噪和运动估计。　　 传统的空间域的视频去噪方法在去除噪声的同时，破坏了图像的细节信息，小波变换具有很好的时频特性，基于小波域的图像降噪技术已成为去噪的一个重要方向。本文根据监控场景中的噪声类型和噪声特点，提出了一种小波阈值萎缩-维纳滤波去噪算法。实验结果证明本文方法峰值信噪比有很大的提高，具有很好的去噪性能。　　 监控场景下的视频序列图像不同于头肩序列图像，监控视频图像中运动目标可能只占整幅图像的一小部分，如果再对整幅图像做运动估计，不仅费时而且费力。本文提出一种算法，它将运动目标检测应用到小波域，并和运动估计结合起来，有效地降低了计算复杂度，节省了存储空间。实验证明，本文算法与小波域运动估计方法相比，在PSNR保持不变的情况下，时间复杂度明显的降低了；与空间域块匹配运动估计相比，PSNR 提高了3.077dB，时间复杂度也有显著的降低。