画像のノイズ除去アルゴリズムは、人工的なノイズを加えた画像を用いて評価されることが一般的であるが、これは実際のノイズ条件下での性能について誤った結論を導く可能性がある。本論文では、低照度条件下による自然なノイズを含むカラー画像のデータセットを提示するとともに、同じシーンを撮影した空間的におよび明るさ的に整合された低ノイズ画像も併せて提供する。また、低ノイズ画像にもわずかなノイズが含まれていることから、本研究では画像内の真のノイズレベルを推定する手法を提案する。我々は、このノイズ推定手法の精度を、実際のノイズと人工ノイズの両方に対して評価し、ポアソン・ガウス型ノイズモデルの有効性を検証する。最後に、本データセットを用いて6種類のノイズ除去アルゴリズム（Active Random Field、BM3D、Bilevel-MRF、Multi-Layer Perceptron、およびNL-meansの2種類のバージョン）を評価した。その結果、合成ノイズを含むグレースケール画像においては、Multi-Layer Perceptron、Bilevel-MRF、およびソフトしきい値を用いたNL-meansがBM3Dを上回る性能を示すものの、本データセットではそれらのアルゴリズムはBM3Dに劣ることが明らかになった。