图像传感器是成像系统的核心元件,它的性能好坏直接决定了设备成像的质量。CMOS图像传感器和CCD图像传感器是当前人们使用最广泛的两类传感器。与CCD图像传感器相比,CMOS图像传感器耗能更少,成本更低,集成度更高。但是,在噪声方面,CMOS图像传感器却不如CCD图像传感器。因此,研究CMOS成像器件的噪声抑制方法则显得尤为重要。传统的图像降噪方法旨在尽可能地滤除噪声,而随着随机共振(Stochastic Resonance,SR)理论的出现,证实了噪声并不是完全有害的,它可以被利用起来增强信号。因此,本文的创新工作是在CMOS图像传感器信号依赖噪声模型下,针对传统图像降噪算法在滤波噪声的同时减小信号的不足,在3个方面进行了基于随机共振理论的图像降噪方法研究。(1)从信号能量和功率的角度出发,推导出了信号依赖噪声和信号无关噪声的有效噪声强度,并将其代入到绝热近似理论(Adiabatic Approximation Theory,AAT)中的信噪比(Signal to Noise Rate,SNR)公式,从而证明了该噪声模型下的随机共振现象。在对二维图像处理时,为满足随机共振理论中输入信号为一维小信号的要求,首先对含噪图像归一化处理,然后通过降维扫描转化一维序列。把该一维序列输入到双稳态系统中,利用龙格库塔(Runge-Kutta,RK)算法求解方程。一维输出序列经过逆扫描和灰度拉伸变换恢复到二维图像信号。实验结果表明,噪声、图像和双稳态系统三者之间发生了随机共振。一部分噪声能量转移到了信号上,从而增强了图像信号,达到了降噪的效果。(2)针对信号依赖噪声的特点即不同灰度值受到不同强度的噪声影响,本文提出了基于图像分割的随机共振图像降噪算法。对图像分割后的每个块进行降维扫描处理,然后分别输入到双稳态系统中。结果表明当各个图像分割块的系统参数一致时图像的降噪效果较好。(3)为取得更加理想的降噪效果,本文进行了级联随机共振系统的设计,先后从行方向和列方向对图像进行随机共振处理,并对图像从主观和客观两个角度分析了级联随机共振相比于一次随机共振和基于图像分割的随机共振在图像降噪性能上的优越性。在此基础之上,对级联随机共振图像降噪算法和传统的图像降噪算法进行了大量实验。实验结果表明,在低噪情况下,级联随机共振图像降噪后的峰值信噪比(Peak Signal to Noise Ratio,PSNR)不如传统的图像降噪算法。但随着噪声强度的增强,级联随机共振逐渐显现出其良好的降噪性能。在图像结构相似度(Structure Similarity,SSIM)方面,无论低噪还是强噪,级联随机共振都表现出比其他算法更好的效果。