医学超声成像安全无创,实时高效,低成本,是一种被临床广泛采用的医学成像方式。随着超声技术的发展,眼科超声诊断仪也成为独特的分支。其中,超声生物显微镜(Ultrasound Biomicroscopy, UBM)对于眼前节的成像优于传统眼科诊断仪器。但是超声图像中存在一种特殊的噪声,即斑点(speckle)噪声,它是在产生超声图像过程中伴随产生的。斑点噪声不同于一般的图像噪声,它属于乘性噪声,且很大一部分属于高频部分。斑点噪声的出现会削弱图像的对比度和细节分辨率,从而影响临床的正确判断。医学图像的去噪不同于一般图像的去噪处理,不仅需要去除噪声,还要尽可能的保持图像的细节信息以及边缘信息,因此需要在去噪的同时对图像的边缘进行增强处理。针对以上需求,本文提出了两种去除斑点噪声的算法。本文首先分析了超声图像的噪声类型,特性以及斑点噪声的数学模型,比较了传统斑点抑制方法的优缺点,探索适合斑点噪声的去噪算法。然后基于斑点噪声抑制各向异性扩散(Speckle Reducing Anisotropic Diffusion, SRAD),提出了改进方法,对SRAD扩散系数进行了改进,提高了算法的鲁棒性,并增加了扩散模板的邻居点数目,提高了去噪过程中的细节保护能力。从单一层次上对图像进行去噪后,又提出了基于拉普拉斯金字塔的图像分层去噪算法。对图像进行拉普拉斯金字塔分解,得到含有不同频率的子带图像,然后根据子带图像不同特点进行分析,选取合适的去噪算法,最后重构,得到去噪增强的图像。通过实验验证,本文提出的改进斑点噪声抑制各向异性扩散方法以及基于拉普拉斯金字塔的分层去噪增强算法优于传统的滤波算法,不仅可以很好地去除超声图像的斑点噪声,而且要可以有效的保留图像细节以及边缘等。