数字乳腺X射线断层合成成像术(Digital Breast Tomosynthesis,DBT)是一种能够实现乳腺三维断层重建的技术,可以消除重叠组织的干扰。然而,DBT图像的对比度低且含有噪声,这降低了图像的质量。因此,如何有效地对DBT图像去噪,同时保留DBT图像中组织和病变结构的边缘轮廓,对于提高DBT图像的质量起着关键作用。本文研究了全变差去噪模型和非降采样轮廓波(Nonsubsampled Contourlet,NSCT)变换方法,提出改进的全变差正则项去噪模型、改进的全变差正则项去噪模型与NSCT变换相结合的图像去噪方法,并将其应用到DBT图像的去噪中。具体包括:首先提出一种改进的各项异性全变差加权正则项(Anisotropic Total Variation Weighted Regularization,ATVWR)去噪模型。该模型根据图像中平坦和纹理等区域的特点,自适应调节全变差正则项的水平和垂直方向的权重,进而调节模型的滤波强度。改进后的模型一定程度上抑制了“阶梯效应”,能够有效地去除图像中的噪声,同时可以较好地保留图像中的纹理信息和边缘轮廓。对体模图像仿真方法进行参数改进,仿真出能够较好表示乳腺组织特征的体模。针对体模图像和实际DBT图像进行去噪实验,实验结果表明本文所提模型能够将去噪后图像的PSNR值提高1.8dB,同时可以较好地保持DBT图像中的病灶结构和纹理信息。其次提出一种NSCT变换与ATVWR模型结合的去噪算法。该算法将图像的不同方向和不同尺度上的NSCT系数作为全变差正则项,对NSCT系数使用加权正则项运算来进行最小化处理,能够有效地优化不同频率子带的信息;此外,NSCT系数可以将图像中信息成分和噪声成分分离开,从而消除全变差正则项在迭代过程中产生的“阶梯效应”,进一步保留乳腺组织的边缘,从而提高图像清晰度。实验结果证明该模型能够对DBT图像有效地去噪,同时可以很好地保留DBT图像中微小的钙化点、肿块边缘等病灶信息,相比于现有的全变差相关去噪方法,所提出的方法的PSNR值能够提高2.4dB。