超声医学成像是诊断过程中常用的手段,但是图像中噪声的存在影响诊断过程。去除图像中的噪声是预处理中的一个重要步骤。有效的去噪算法可以更好地还原图像,便于医生更准确地诊断病情,以及其他的图像处理操作,如边缘检测和图像分割等。滤波算法会模糊图像中的边缘细节等有用的信息,需要更准确有效的算法。本文介绍了超声成像原理,散斑噪声形成的原因以及噪声的数学模型和统计特性,对经典的图像去噪算法进行概述,并且针对算法的不足提出了三种改进的超声图像去噪算法。基于IMRG的去噪算法,利用IMRG超像素生成算法对局部窗口再分割成两类,得到新的局部窗口,在图像中边缘部分应用,滤波结果边缘清晰分明。基于比率距离的去噪方法,针对散斑噪声的乘性模型和瑞利分布,得到新的像素间相似度距离,利用该距离对中心像素进行八方向伸展,得到准确的同质区窗口,可以自适应伸缩窗口,沿边缘方向滤波。以上两种是对局部的滤波算法的改进,对于非局部的滤波算法,提出了改进的LPG-PCA算法,分别构建加性和乘性噪声的三维图像块,利用PCA变换分别进行滤波,将得到的加性和乘性噪声的滤波结果综合考虑作为最终结果,能有效去除超声图像中的噪声。通过仿真超声图像和临床超声图像的实验,本文提出的三种改进算法,各项指标均优于其他经典算法,相较其他算法有很大的提升,能有效去除超声图像中的噪声,同时保留边缘细节这些有用信息。