多媒体、视频监控等技术发展迅猛，已经成为人们交流以及记录的常用工具。但是在会议室、电影院、阴天或夜晚等低照度环境下进行拍摄时，所得到的视频对比度低、信噪比小、视觉效果差，图像中的细节信息无法清晰体现出来，这使得后续的图像特征提取、分析、理解与识别受到限制。因此，对低照度视频进行增强去噪具有很强的重要性及实用性，可以应用在监控系统、模式识别、医学图像分析等领域。本文介绍了传统低照度增强去噪理论，阐明了不同增强低照度图像可视性方法的基本过程并分析了其原理，指出了以上方法在解决局部细节亮度、噪声、实时处理等方面的缺陷。现有“基于暗原色先验的低照度图像增强算法”与传统增强算法相比具有更高的保真度，对细节的保留效果更佳。但由于低照度图像曝光不足，图像增强后噪声对图像的影响更加恶劣。因此，本文提出一种改进的基于暗原色先验的快速有效方法来增强低照度视频。在现有“基于暗原色先验的低照度图像增强算法“的基础上，利用时空域累积信息和双边滤波对低照度视频进行去噪预处理，在去除噪声的同时保留图像中的运动信息。同时，对算法各部分进行数据划分和并行性挖掘，使算法适应GPU并行运算，获得数十倍的性能加速，达到实时处理性能。实验结果表明，本文算法可有效抑制视频中的噪声，提高视频的对比度，突出细节信息，从而获得更加清晰、自然的高质量视频。