空间运动图像受空间射线和拍摄环境等各方面制约,图像质量普遍不高。采用空间去噪与增强技术,对空间运动图像进行噪声消除与增强,具有重要的理论意义和应用价值。本文针对空间运动图像存在的噪声污染与低照度等问题,对空间运动图像的去噪和增强进行研究。论文完成的主要工作如下：(1)提出了一种基于支持向量机(SVM)的噪声分类算法(SVM-NC),通过对特定噪声影响的运动图像进行高维的特征值映射,找出能够将这些图像进行分类的超平面。给出噪声图像受到不同噪声类别、不同程度噪声影响后图像质量与特征值之间的联系。提出了基于噪声分类的无参考型图像质量评价方法(NRNC-IQA),通过噪声分类算法得出图像所含噪声的类别、每种噪声的权重值,结合每种噪声对图像质量影响的系数,实现了对空间图像有效的质量预测。实验结果表明,相比PSNR-NC和BIQI-NC算法,SVM-NC算法在识别噪声类型的准确率有较大提升,NRNC-IQA方法能够基本满足无参考型图像客观评价标准的要求。(2)提出了一种改进的基于结构相似度(SSIM)的总变差图像去噪算法(SSIM-TV)。对噪声源进行分类,并有效地量化每种噪声源的影响程度,对不同的噪声来源以及不同噪声源的特定权重,调整去噪方法中的噪声因子,实现了对不同噪声类型的运动图像序列的自适应去噪。实验结果表明,相比MSE-TV、MFD、WFD算法,本文提出的SSIM-TV算法,在峰值信噪比(PSNR)、均方根误差(RMSE)和结构相似度(MSSIM)指标上都有较大的提升。(3)提出了一种基于引导滤波的Retinex低照度增强算法(Retinex-LG)。采用双边滤波估计空间图像的照度分量,消除伪光晕现象；采用引导滤波方法,优化照度分量,对邻域内的像素均值和方差做出局部估计,实现了对运动图像的平滑处理,保存了原低照度运动图像的细节。对优化后的反射分量进行动作域值压缩,调节其反射分量的比例,有效地消除了图像的过度增强现象。对比Retinex-G、 Retinex-B算法,本文提出的Retinex-LG算法在亮度、标准差和熵等指标上都分别有较大提升。(4)实现了空间运动图像的去噪和增强系统,对基于支持向量机的噪声分类算法、改进的基于结构相似度的总变差图像去噪算法、基于引导滤波的Retinex低照度增强算法等进行了实验验证和系统测试。