随着安防意识的增强,越来越多的场所装有视频监控设备如校园,居民区,停车场等等。但是由于夜间光照条件不足,获取的视频亮度不足,对比度下降,含有大量的噪声,视觉效果较差,从视频中获取的信息非常有限,不利于进一步处理。为获取更多的信息需要对视频进行增强以及去噪处理,改善视频的视觉效果。视频增强技术可以改善夜间视频光照不足,对比度下降以及可视性较差等问题。本文研究了基于Retinex模型的增强技术、空域亮度映射增强技术以及基于帧融合的视频增强技术。基于帧融合的视频增强技术利用白天的背景信息来增强夜间视频,本文提出了一种新的融合策略,解决了传统的融合策略所出现的混淆现象以及运动边界不完整的问题。实验表明,本文提出的视频融合方法,提高了视频的亮度,拉伸了视频的动态范围,较好地保持了图像的细节,改善了视频的视觉效果。视频中的噪声也是影响视频质量的关键因素。BM3D去噪方法是公认较好的去噪方法,在去噪的同时能较好的保持图像细节。但BM3D只对高斯白噪声有效,当视频中含有较多的随机脉冲噪声时,BM3D的去噪效果欠佳。实际获取的视频中不只含有高斯白噪声,而是多种噪声的混合,影响BM3D在处理真实视频时的质量。近年来,低秩稀疏理论受到越来越多的关注,并且在图像应用中取得不错的效果。本文研究发现,HUI JI等人提出的应用低秩稀疏理论进行视频图像去噪的LS模型中,仅对稀疏矩阵进行约束,而图像中的高斯白噪声使LS模型中的低秩矩阵低秩性和稀疏矩阵稀疏性不能同时满足,造成去噪不充分或细节严重丢失。本文在LS模型的基础上引入附加约束项,提出一种新的用于去除图像中混合噪声的LSE模型,实验结果表明,LSE模型在保证去噪效果的同时,保留了更多的图像细节信息,具有更佳的视觉效果,去噪后图像的信噪比与噪声图像相比提高了约5～10dB,与LS模型相比提高了0.1～2dB。