????????一段未經過插補的視頻圖像可以分解為若干幀，為了能正確地找到并去除圖像幀中的噪聲污染，由于視頻圖像各幀的連續性，在去噪的過程中就必須考慮幀圖像的空間性和時間性，一個簡單的例子，在去噪算法中就必須考慮，當視頻中有物體運動時，就要加強幀圖像的空間比重(即相鄰像素的比重)而相對的減少相鄰幀的影響。

????????在含有運動物體的幀圖像中，沒有任何相鄰的幀信息是相同的，即使在一段靜止的無運動視頻中由于噪聲的干擾，各幀的數據也不盡相同，在去噪的過程中，如果簡單的將各幀各自獨立的考慮，各幀的圖像殘留的噪聲容易使視頻圖像產生抖動現象，而如果沒有考慮到視頻中物體的運動，就會使視頻畫面出現疊影現象，為了避免這兩種情況，考慮幀中的兩幀圖像，其中一幀即當前還未處理的幀，另外一幀是已經處理過的上一幀圖像(如圖所示)

????????在處理當前幀的時候，往往想找到與待處理點相匹配的上一幀圖像中的對應點，但是由于運動存在的可能性，對應點可能與待處理的不在相同的位置，如圖所示，可以找到與待處理像素點ww2相對應的先前幀對應位置像素點wwl，如果沒有物體的運動，兩個像素點上的值應該是一致的，但是，由于運動存在的可能性，ww1或許已經移動到物體的邊沿或背景上，雖然可以利用矢量運算可以將畫面中運動的部分分割出來，再經過多次迭代的運算可以得到比較準確的數據，但是運算量大，不符合視頻獲取的實時性原則，這里利用一種較簡單的方法來設計本文的算法，利Angelo Bosco等人在2004年提出的一種方法并加以改進，以圖達到更好的效果。

????????首先，引入一個變量SAD(sum of Absolute Differences)的概念，在待處理的幀圖像中，以待處理像素點為中心取一個5*5的方陣，設當前矩陣中個像素點的值為，上一幀中對應矩陣中的像素值為，首先計算:

稱之為絕對差值，描述了當前待處理像素點所在的矩陣范圍內與上一幀已處理所對應區域的絕對差，可以這樣認為，當絕對差值大于某一事先設定好的閾值D時，就認為兩幀在此區域內差別較大，有明顯的物體運動，反之，就認為兩幀之間無明顯差別，或者可以認為物體運動不明顯。

????????在這個過程中，還考慮一個明顯的問題，由于不同光強的不同，也會引起的數值較大，為了避免這種情況，以達到使人滿意的視覺效果，令的絕對值，計算
方差，還是當大于某設定值的時候，認為光強的影響較大，比較前后兩幀數值大小，使當前幀待處理窗口減去或加上／25，然后再重復計算的大小，以確定是否有明顯的物體運動，反之，可以認為無光強的影響或者影響較小，不予考慮。

????????當大于預先設定的閾值的時候，可以認為在視頻的前后兩幀中有明顯的物體運動，在處理過程中，忽略幀圖像的時間性，以所在處理幀的空間特性為主要依據進行去噪，假設待處理像素點為S，S可以是R，G，B中的任何一個，分別取S周圍的四個像素進行計算，分別取距離S在水平方向和垂直方向的兩個元素。

????????并對相應的四個像素點取均值Sav，令，在這里，還要引入一個變量
來表示噪聲的離散程度，定義在待處理的矩陣區域R內，f(x，y)是屬于R中的像素點值，有以下定義：

(3—4)

????????其中N為區域內的像素點的個數，averge為所在區域內各像素點的平均值，，當大于等于時，則可以認為S所在點為噪聲點，令：S=Sav。否則不做處理。

????????當小于固定閾值時，可以認為沒有明顯的運動發生，就可以計算待處理像素所在幀區域與先前幀所對應區域綜合考慮。如果的絕對值大于等于，可以認定當前點是被噪聲污染的噪音點，用上面介紹的方法分別求出前后兩幀處理區域像素點平均值Pca和Ppa,則S= (Pca+Ppa)／2。當的絕對值小于，認為沒有噪音污染，或者認為噪聲點污染不足以引起人視覺上的反應，不作任何處理。

????????下面著重考慮判斷物體是否移動的閾值的選擇，由于視頻采集的圖像15幀／秒，在進行的噪音點處理的時候，在一個5木5的小矩形區域內，因此對于存在物體移動的情況，在這個小區域內，存在兩種不同的區域，背景域和移動物體域，假設在這兩個存在完全不同的小區域均是平滑的，由此可見可以將這種情況抽象成邊界移動模型，假設Dmax表示前后兩幀圖像對應點差值中的最大值，不妨假設Threshold=5*Dmax(在待處理區域內物體的邊界為5個像素)當絕對差值大于Thresho1d時，認為有明顯的物體移動，否則，認為沒有明顯的運動跡象。

????????在關于怎樣確定Thresho1d閾值的時候，還有人提出，通過計算上一幀處理過圖像的噪聲干擾的程度，通過步步迭代來確定閾值，由于設定閾值的目的是確定在感興趣的區域內有無明顯的運動，完全可以通過一種更簡單的方式來確定，實驗表明，本文的算法同樣取得良好的效果，下圖中的兩幅幀圖像分別是去噪前進行插補算法和去噪以后進行的插補算法，前一幅圖像的噪聲影響下，圖像顯得很粗糙，經過去噪算法以后，效果有明顯的改善.