我国建成的大天区面积多目标光纤光谱望远镜LAMOST(Large Sky Area Multi-Object Fiber Spectroscopy Telescope),其大型巡天计划产生的光谱数已达到10~7数量级,为天文学家寻找罕见的天体光谱提供了更多机会。但是,在LAMOST DR4总星表的760多万条光谱中,有200多万的低信噪比光谱无法进行参数测量;若直接舍弃,则是一种极大的资源浪费;而且,往往信噪比低的光谱意味着更远的天体,对天文研究的意义更大。因此,本文针对海量的低信噪比光谱降噪做了一些基础研究。主要研究内容与贡献如下:(1)光谱图像噪声源分析。首先基于LAMOST观测系统及其数据处理流程,对LAMOST的成像特点以及低信噪比光谱的主要噪声来源进行介绍,然后从CCD(Charge-coupled Device)相机系统的角度对系统噪声产生的原因进行分析,并建立信噪比模型,结果表明呈泊松分布的光子噪声在目标光谱的系统噪声中占主导地位。最后对目前天文上提出的三种降噪算法的优点和不足做了分析。(2)引入并拓展了非局部主成分分析算法,将其应用到二维低信噪比光谱降噪处理中。首先对低信噪比光谱做去除宇宙射线的预处理,然后使用平场光谱对基于Anscombe变换的主成分分析和非局部主成分分析两种降噪算法做测试,由此得出非局部主成分分析算法对泊松噪声的降噪效果更好。最后使用该算法对实测的低信噪比目标光谱进行降噪,并与目前天文上提出的基于快速傅里叶变换的降噪算法作对比,结果表明非局部主成分分析算法在目标光谱降噪方面存在较大的优势。(3)设计并实施了叠加算法,成功应用到重复观测光谱降噪的处理中,并进行了大规模的实验。首先对760多万一维光谱数据进行筛选和分类,然后对叠加算法应用于重复观测光谱降噪的整个过程进行设计实施,最后对出现的问题进行改进,结果表明改进后的叠加算法可以使23,408条恒星光谱的信噪比达到参数测量标准,类星体星系光谱的信噪比平均提高56.38%。