超声诊断作为一种新型的无创伤性临床新技术，在医学领域应用越来越广泛。但由于成像机制和设备的限制，医学超声图像中存在固有的斑点噪声和失真，严重降低了图像的质量。斑点噪声在超声图像中表现为黑白点相间的颗粒状纹理结构，不仅影响了后续的图像分析和诊断，而且普及的超声扫描仪等新型技术也需要超声成像设备提供更清晰的超声图像。因此斑点噪声的抑制甚至消除迫在眉睫，这引起了医学专家们的重视。　　针对斑点噪声，本文对经典的小波变换和传统的双边滤波等去噪算法进行深入的分析研究，并在此基础上提出一种新颖的基于自适应小波与三边滤波的集成去噪算法，即将改进的自适应小波变换与提出的三边滤波器相结合来处理噪声问题。该算法不仅有效抑制了斑点噪声，而且优化了临床图像。本文主要研究内容如下：　　（1）采用一种动态变化的加性模型来阐述刻画带斑点噪声的医用超声信号，并对其统计特性进行分布分析。　　（2）根据数学模型的统计特性，改进了传统的小波阈值函数和收缩算法，提出一种基于小波变换的自适应去噪算法，应用于小波分解后的带噪医学信号。该算法对小波域内斑点噪声的高频分量的抑制效果尤为显著。　　（3）由于自适应小波去噪主要是针对图像信号的高频分量，而低频分量仍有噪声存在，本文基于双边滤波的原理提出了一种新型的三边滤波器，主要对医学信号的低频分量进行滤波优化处理，有效抑制了实际数据集里的斑点噪声，不仅保留了双边滤波的去噪优势，而且弥补了其梯度失真的弊端。　　（4）将自适应小波去噪算法与三边滤波器相结合，提出一种“自适应小波_三边滤波”的集成算法，对医学超声图像信号进行去噪，并采用小波逆变换得到去噪后的图像。　　（5）为验证本文算法的去噪性能，将该算法与其它8种经典去噪算法进行实验比对。首先，将9种算法应用于合成图像进行仿真实验，并采用边缘相似度（FOM）、峰值信噪比（PSNR）、运行时间（RT）和结构相似度（SSIM）四种全参考型图像质量指标对去噪后的图像进行量化分析和评价。然后，为提高真实性和可靠性，将这9种算法应用于真正的临床超声图像进行比对实验，同时采用自然图像质量指标（NIQE）和基于梯度结构相似度的清晰度算法（NRSS）两项无参考图像质量评估指标对去噪后的图像进行比较和评估，其中NRSS被本文首次引入对医学超声图像的去噪比较实验中。大量实验结果及指标的综合比较表明，本文提出的算法不仅展现了优质的去噪性能，且具有很强的灵活性，并进一步大幅度锐化边缘，得到满意的反馈结果图。