超声成像在医学诊断、工业无损检测、海洋探测以及现代海战等诸多领域均有广泛的且不可替代的重要应用。散斑噪声严重影响超声图像的人工判读和（机器）自动识别，散斑噪声的影响是超声成像各领域应用中面临的一个共同的问题，已成为制约超声成像应用的一个瓶颈。超声图像散斑噪声抑制方法研究对超声成像的应用是至关重要甚至是起决定性作用的。基于此，本文对超声图像散斑噪声抑制方法展开研究。首先，查阅大量相关文献了解国内外研究现状及存在的主要问题，确定自己的研究方向。在此基础上对包括中值滤波、Wiener滤波、Lee滤波、各向异性扩散方程滤波在内的经典去噪方法研究，通过去噪结果比较了其在散斑噪声抑制方面的效果、实时性、适用条件及智能程度。之后，阐述了小波变换理论及其在图像处理领域的应用，重点研究了统计模型的贝叶斯去噪方法。对贝叶斯软阈值方法进行改造，提出了一种贝叶斯改进阈值超声图像去噪方法，避免了软阈值函数去噪因小波系数丢失带来的边缘模糊等现象。将其用于人体肝脏超声图像及声纳图像的去噪。结果显示较之中值滤波，Wiener滤波及贝叶斯软阈值去噪有较好的视觉效果及较好的客观评价指标。最后，基于双树复小波变换及其在图像处理中的优越性，研究了双树复小波贝叶斯萎缩去噪方法及双树复小波-Wiener滤波方法。双树复小波贝叶斯萎缩去噪方法，尽管有效的降低了噪声但是却未能很好的保持边缘。提出的双树复小波-Wiener滤波方法在双树复小波分解后的各个方向上应用Wiener滤波，同时维纳滤波的方向窗口包括了相邻子带系数。因此，该方法在局部方向去噪的同时考虑了小波系数邻域及子带之间的相关性。去噪后的视觉效果及客观评价指标显示其具有良好的去噪效果及边缘保持性。