计算机断层成像方法作为重要的医学影像技术之一,在辅助医生诊断和治疗方面发挥着重要作用。由于在图像采集过程中不可避免的受到噪声干扰,使得图像变得模糊不清晰,从而影响着医生判读和进一步机器分析。研究人员提出了大量的去噪方法,例如,空间域自适应滤波,变换域滤波,统计估计和随机分析方法,偏微分方程方法,稀疏表示方法等等。其中,大多数方法主要研究自然图像去噪的一个关键问题——保持图像特征的滤波。与自然图像去噪不同,医学影像的细节和特征对于计算机断层成像具有十分重要的意义。基于图像自相似的非局部平均算法(non-local means)利用医学影像中的自相似和冗余性,在保持图像特征的去噪领域产生了重要影响。然而,这种方法对于带有加性高斯噪声的自然图像去噪效果良好,对于带有非平稳噪声的医学断层影像去噪效果不理想。我们利用医学断层影像的自相似性和非平稳噪声的分布特点,提出了对于经典非局部平均方法的两个改进算法,得到了较好的非平稳噪声的图像滤波结果。1.块概率自相似去噪方法。经典的非局部平均算法利用高斯加权的欧氏距离度量重叠块的相似性。然而,对于纹理密集和噪声分布不均衡医学断层影像来说,高斯加权距离度量不是非常准确。我们根据图像噪声的密度分布,对于块之间的相似性采用概率值度量,较好的估计了非平稳噪声情况下的块相似性,得到了较好的滤波结果。2.基于噪声分析的块概率自相似去噪方法。针对块概率自相似去噪方法在噪声水平高的情况下滤波效果不好的缺点,我们对于图像特征和非平稳噪声进行了分析,提出了局部均值调节的平滑参数选择；同时,我们考虑了图像块的统计特性和相似性分布,提出了合理的图像块预选策略；最后,利用上述两个提升策略和预估改正的两步策略,得到了更加鲁棒的去噪结果。基于块概率和噪声分析的自相似去噪方法深化并丰富了相似性处理方法在医学断层影像滤波中的应用,具有重要的理论和临床应用价值。