武楠，王珩

（上海海事大学 信息工程学院，上海 200135）

网络、视频通信技术的快速发展和视频监控系统的广泛应用，使得视频图像的分析和内容识别也得到大力推广。因此，如何从视频监控系统中恢复受条纹干扰的帧图像成为人们关注的焦点。同时，图像条纹噪声使一些基于图像识别和目标跟踪等智能化监控受到限制，这些应用大多是基于图像边缘特性分析，条纹噪声干扰给图像的定性和定量分析带来困难，限制了可疑目标的进一步分析。因此，必须寻求合适的条纹噪声去除算法，首先将图像中条纹噪声去除，然后进行分析和比较来保证分析结果的可靠性。由此可知视频图像监控条纹噪声去除算法的研究具有重要意义。

目前，针对图像噪声去除方法的研究，大都是在空间域和变换域进行噪声去除。在空间域中，遥感图领域，结构光条纹领域等有广泛应用，因此很多国内外学者进行了相关的研究。典型的空域横纹噪声消除方法主要有直方图匹配方法[1-2]和矩匹配方法[3]，其中直方图匹配对图像的均匀性要求较高，效果并不理想；而矩匹配方法是应用较为广泛的条纹噪声消除方法，但在景物较复杂时该方法会产生“带状效应”[3]。在变换域中，主要有傅里叶变换、小波变换[4-5]等。傅里叶变换把空间域与频率域联系了起来，将图像变换到频率域，从而利用信号与噪声占有不同的频率成分来进行滤波，达到消除噪声的目的，但是傅立叶变换欠缺对图像局部分析能力。……