医学超声成像凭借其无创、实时、无放射性、成本低等优点,已经在临床医疗诊断中得到了广泛应用。然而在医学超声成像过程中,会产生一种独特的斑点噪声,这种噪声会导致图像的可视性严重降低,从而增加医学临床诊断的难度,因此需要对噪声图像进行去噪处理。传统图像去噪算法在去噪后可能会出现图像边缘细节模糊、去噪效果不佳等问题。基于此,本文提出了一种优化变换域分模态联合空间域去噪的混合去噪方法,首先利用遗传算法对二维变分模态分解（Two-Dimensional Variational Mode Decomposition,2D-VMD）算法的两个参数同时进行自适应寻优,接着使用优化2D-VMD来分解噪声图像,并借助相关系数来筛留有效子模态,然后再对保留下来的有效子模态分别使用FNLM滤波去噪,最后将去噪后的子模态进行重构即可完成去噪。本文具体研究内容如下:1.本文决定采用一种基于变换域的平滑噪声算法,2D-VMD算法。利用该算法的完全自适应性及非递归性可以将噪声图像分解为多个中心频率不同的子模态,通常低频子模态包含原图像中大量的细节信息并掺杂少量的噪声,高频子模态包含大量的噪声信息并携带少量原图像的边缘信息,接下来利用相关系数滤除其中的无效子模态,再对全部的有效子模态进行一次滤波去噪,最后将去噪后的各个子模态进行重构,就可以达到去除图像高频噪声且保留自身低频特性的目的。2.2D-VMD算法在运行之前需要设置两个重要的参数,两个参数选择的合适与否会对图像分解乃至于后续去噪的结果产生直接的影响,人为凭借经验选择参数不仅会大幅降低算法的效率,而且还无法确定该取值下2D-VMD算法运行的结果是否为最佳分解效果。因此,为解决参数选择的问题,本文考虑使用遗传算法来同时自适应优化2D-VMD算法的两个重要参数值,并通过实验对提出的方法进行验证。3.通过对实验数字图像、医院提供的真实超声图像进行大量的实验,并利用多种质量评价指标与其它5种常用的斑点去噪算法进行对比分析后,实验结果表明,本文所提方法较其他对比算法具有更优秀的去噪效果及保留图像纹理细节信息的能力,客观质量评价指标也有明显的提升。4.为了简化整个去噪过程,决定将本文算法链接到本课题组搭建的MATLAB GUI医学超声图像处理平台中,进一步增加平台实用丰富性的同时提升去噪处理的效率。