#1 楼
关于时间求解的详细说明：我没有太多具体的信息给您，但是我借鉴了“时间反锯齿”的思想。
基本上，如果如果摄像机静止不动，则可以在最后N帧中平均像素值，可能使用谐波平均值或类似方法来帮助滤除尖峰。结果将获得更清晰，更少噪点，更正确的图像。
但是并非所有相机（或物体！）都是静止的，那又如何呢？好吧，如果您有某种方法可以确定该帧的像素与前N个帧中的像素相匹配的位置，则可以用相同的方法对它们进行平均。如果当前像素没有匹配的先前像素（由于先前被遮挡而变得不可见），则只显示原始当前值。
游戏通过模拟随时间推移的超级采样来使用它进行抗锯齿，但是它们具有每个像素运动矢量以及当前和以前的相机矩阵的好处，因此在您的情况下要困难得多！
#2 楼
一种相当基本但有效的技术是中值滤波。对于视频，可以通过将当前帧以及N个前一帧和后一帧中的像素（及其相邻像素）的值的中位数替换为每一帧（空间）的时间来临时应用它。中值滤波的一个不错的功能是它保留了线性边缘（并且在临时使用时，边缘以稳定的速率移动）。但是，它确实倾向于侵蚀尖角和狭窄的山脊（以及暂时狭窄的快速移动特征）。当过度使用时，空间中值滤波趋向于产生过分光滑的“可塑性”外观，而过度的时间中值滤波甚至可以使小的，快速移动的对象完全消失。 （有时这被认为是一项功能。）
可以通过运动跟踪和阈值检测等高级技术进一步微调和改进中值滤波，但是这些技术也带来了额外的复杂性，因此如果不小心应用，可能会产生多余工件的额外机会。出于许多目的，通常只需要一个中等大小和强度的简单中值过滤器。
#3 楼
在2009年，似乎在本文中提出了一种分层和比较运动检测算法的开发：运动检测：用于嵌入式系统的快速且健壮的算法
它们如您在论文的最后一张图片中所看到的，设法成功地降低了噪音。似乎是删除独立像素的“形态后处理”（第2.4节“新的分层算法”）。也许可以应用类似的技术对视频进行降噪。
评论
我觉得时间连贯性也可以用于对视频进行降噪。为什么您认为基于小波的去噪效果最好？
@可怜，是什么让您觉得（不是我想，我只是想知道）？
@Drazick我在2-3年前读过这篇文章。不确定，但是我想可能是针对不同情况的不同算法的混合。请问您为什么对此感兴趣？有没有更好的办法？注意：我不是物理学家。但是，我经常在视频中使用降噪器，并且很好奇它们的工作原理:)另请参见：dsp.stackexchange.com/questions/20086/…
我也会猜小波，但在这里-ni.neatvideo.com/overview/how-does-it-work暗示着其他含义。关于这种方法，我不确定，非局部均值也应该很好，但更难调整且运行较慢。