在计算机高度普及、多媒体技术被广泛应用的今天,人们对视频图像的接触机会越来越多。而视频图像的质量将直接影响人们从视频中所能获得的信息量,考虑到视频图像品质低下主要受两方面影响：一是在大雾、沙尘等恶劣天气或者低光照情况下图像对比度偏低；二是传输过程中受到噪声的污染,因此对视频图像进行先消除噪声,再增强图像的处理非常有必要。这能够突出视频图像特征,提高视频图像的品质,对于视频图像的应用至关重要。本文重点研究了应用于一般监控系统的视频去噪与增强方法,主要内容如下：(1)研究了视频信号成像机制中的视频采集、Bayer图像色彩重建、白平衡调整三个步骤对视频信噪比(SNR)和画面质量的影响。深入分析了视频图像中出现的噪声类别和特点,以及恶劣天气和低光照情况下的图像特征。对均值滤波、中值滤波和高斯滤波三种经典去噪算法和AHE、BOHE和POSHE三种增强算法分别进行了对比分析。(2)研究了四阶偏微分方程和自适应TV去噪方法,以及基于PDE的多级分层局部对比度增强方法。对比分析了四阶偏微分方程和自适应TV去噪方法对不同噪声的去噪能力,两者对高斯噪声处理效果较好。实验分析了基于PDE的多级分层局部对比度增强方法的对比度拉伸能力,以及可能出现的人工痕迹,如过增强、斑点效应。(3)提出了一种基于单高斯背景建模和Non-local Means滤波的视频去噪方法。利用单高斯背景建模提取帧间冗余信息,将Non-local Means滤波和帧间均值滤波结合并用,使得Non-local Means滤波在视频图像上的处理效率大大提高。实验结果表明,该方法对噪声标准差中等的含噪视频图像具有良好而又稳定的去噪性能。(4)提出了一种改进的基于变换系数直方图的增强方法。通过实验分析可知,高质量图像在对数变换域的系数直方图具有峰值远离原点、分布曲线平坦的特点。本方法在此基础上提出通过系数直方图右移来实现对比度提高,通过增加高频分量、减少低频分量来实现边缘锐化,对于一般低对比度图像具有较好的增强效果。最后,对本文的工作内容进行了总结,对进一步的研究方向进行了展望。