医学超声具有对人体无损害、便捷、实时性好等优点,在临床诊断、治疗及手术导航等方面有着非常广泛的应用。然而,由于超声成像的相干特性,图像中存在斑点噪声,该噪声会掩盖图像中的重要细节信息,降低人体软组织中正常组织和病变组织的对比度,这些不利因素给超声图像边缘检测、图像分割及图像配准等后续处理工作带来了困难。抑制超声图像序列中的斑点噪声可改善图像质量、增强图像中与诊断有关的特征信息。因此,研究有效的超声图像降噪算法具有重要的理论价值和实际意义。超声图像中的噪声主要为乘性斑点噪声,与组织结构信息相关。经典的超声图像滤波方法,如各向异性扩散滤波方法、the squeeze box filter(SBF)、偏微分方程等方法无法较好地滤除斑点噪声。非局部均值算法是近年提出的一种新的图像滤波算法,能够很好地保护图像边缘和纹理信息,但是该方法运行速度慢,而且滤波后的图像上可能产生伪影。本论文针对上述缺点,提出了基于几何矩的快速非局部均值算法。论文首先,提出了基于几何矩的非局部均值算法。几何矩修改了原来的相似度测度,能够找到更多的相似图像。并对不同阶数的几何矩做了一些比较,找到能够获得较好结果的几何矩阶数。其次,提出了基于零阶矩和块恢复的快速非局部均值算法,大大缩短了非局部均值算法运行时间,并将其应用到超声图像处理。最后,提出了基于局部和非局部均值混合算法,该方法能够有效去除乘性噪声,并应用到视频序列去噪中。模拟及实际图像实验结果的图像评价参数值(PSNR、MSSIM、ENL)表明本文提出的算法能够有效滤除斑点噪声,保护图像边缘信息和细节信息。