医学超声图像由于其特定的成像机制以及检测组织的不均匀性而造成的斑点噪声不同于一般的图像噪声，它属于乘性噪声，且很大比例处于高频部分；医学图像的去噪处理不同于一般图像的去噪处理，不仅需要去除噪声，尽可能的保持图像的细节信息，而且对待分割病灶区域的边缘效果要求比较高，因此它需要在去噪的同时对图像的边缘进行增强处理。针对上述需求，本文构建了一个适合去除斑点噪声的混合模型。首先，分析了超声图像的噪声类型，探索适合斑点噪声的去噪算法；其次，构造含边缘检测函数的各向异性扩散模型和含变量函数的冲击滤波器这一混合模型；最后，用Matlab程序完成图像的去噪与增强处理操作，验证算法的可行性。具体的研究成果包括：1、分析各向异性扩散模型的优缺点，针对该模型依靠检测梯度算子来控制扩散进程，但梯度算子受噪声的影响程度比较大这一现状，在各向异性扩散模型的基础上引入边缘检测算子，利用检测算子对噪声的低敏感度去除大量伪边缘，达到充分降噪的目的；2、阐述冲击滤波器模型，在冲击滤波器模型的基础上引入关于迭代次数的变量函数，通过控制迭代次数达到适时控制冲击幅度的效果；3、将上述两个改进的模型结合起来，不仅弥补了各向异性扩散方程不能很好地锐化边缘和增强图像的弊端，而且弥补了只有冲击滤波器处理图像不稳定的弊端；4、在实验上，本文首先选用加入斑点噪声的Lena图像作为实验图像，通过对比实验来验证本文算法在去除斑点噪声上的优越性；而后继续选用本身就含有斑点噪声的甲状腺超声图像作为实验图像，验证本文算法在去除斑点噪声的同时也可以达到增强边缘的效果，满足了医学超声图像预处理这一特殊要求。通过实验验证，本文算法要优于传统的滤波算法，它不仅可以很好地去除超声图像的斑点噪声，而且可以很好地增强图像边缘，达到去除噪声和增强边缘的双重效果。