超声成像是一种重要的医学成像形式,在临床检查和疾病诊断领域有着非常广泛的应用。由于其具有成本低、创伤性小、患者易接受等优点,因而在过去几十年里得到了快速发展。但是,超声成像过程常常会引入乘性斑点噪声,造成图像分辨率降低,细节特征难以区分,从而给医生的分析诊断带来很大困扰。斑点噪声不是一种传统意义上的真实噪声,目前对其理解和认识还没有形成统一标准。虽然很多旨在消除斑点噪声的方法已经陆续出现,但它仍然是超声图像处理邻域的一个难点和热点问题。因此,本文运用各向异性扩散模型的基本原理,主要针对超声图像的斑点噪声去除算法进行了研究。本文首先阐述了运用各向异性扩散进行斑点噪声去除的研究意义；其次介绍超声成像技术的基本原理,讨论斑点噪声的成因及模型,引入超声图像质量评价指标；然后讨论了几种有代表性的各向异性扩散模型,并分别进行性能分析；最后提出了以下两种基于各向异性扩散的改进算法：1.传统模型中的扩散模板只考虑参考点附近的四个邻居点,本文算法扩大了模板中的邻居点数目,使得对瞬时变异系数的估计更加准确。实验结果表明图像中保留了更多的细节特征,可为医生提供更多的确定性诊断信息。2.对于采用Sigmoid扩散系数的各向异性扩散模型,全变分去噪对其滤波结果非常适用,因此本文提出各向异性扩散与全变分去噪相结合的算法。实验结果表明图像中保留了更清晰的边缘信息,有利于医生对病变范围的准确判断。