随着医学影像学的快速发展,医学成像技术层出不穷,光学相干层析(optical coherence tomography,OCT)成像的出现推动了眼科学的发展,并得到了广泛的应用。但由于相干成像模式,不可避免的产生斑点噪声,严重影响了 OCT图像的后续处理以及疾病诊断。图像去噪作为图像处理的预处理手段,应用到医学图像成为研究热点的同时也具有自身的独特性和挑战性。本文利用正则化理论对OCT图像斑点噪声抑制算法进行研究,主要研究内容如下:(1)提出了一种基于全变分正则化的OCT图像去噪算法。首先使用直方图对OCT图像中的斑点噪声的分布进行了分析和证明,获得服从伽玛分布的斑点噪声。然后根据斑点噪声分布构造数据保真项,并结合全变分正则项建立目标函数,进行变量分裂后,应用交替方向乘子法(Alternating direction method of multipliers,ADMM)快速求解约束优化问题。然后使用本算法对真实OCT图像进行一系列仿真实验,通过评估指标进行算法评估可知,提出的OCT图像斑点噪声抑制算法在去噪的同时很好的保留了图像的细节信息,并且算法效率较高,目标函数在较短的时间内达到收敛。(2)提出了基于超拉普拉斯分布的斑点噪声抑制算法。本部分在前面所提出的全变分正则化去噪模型的基础上,保留了其目标函数的数据保真项,对于正则项部分,我们发现OCT梯度图像有明显的重尾现象,因此提出采用p范数作为正则项来拟合图像先验知识。但是山于p范数的引入导致OCT图像去噪由一个凸优化问题变成了更加难于求解的非凸优化问题,通过分析总结本文采用半二次惩罚方法和查表法来求解。最后,通过和前面提出的算法的对比实验表明,本算法通过利用更加准确的先验信息,得到了更好的去噪效果。