超声图像技术以其低成本、高实时性、对人体无损等优点,已逐步成为医学临床上应用最多的诊断工具之一。但是由于超声成像系统的成像原理等因素,致使所形成的超声图像受斑点噪声污染,斑点噪声模糊了图像的细节特征,从而一定程度上降低了图像的对比度和质量,给临床诊断和图像的后续处理带来不便。因此,研究如何降低超声图像中的斑点噪声对临床诊断和图像处理具有很重要的实际意义。通过研究斑点噪声在图像中的分布特性和其形成因素,可以通过医学一些去噪技术有效地抑制和降低超声图像中的斑点噪声,使图像中人体正常的组织部位、病理部位和其他部分具有较高的对比度。针对降低超声图像中的斑点噪声,经过查阅大量文献和资料,确定本文的研究内容。首先提出本文提出了一种基于支持向量机的自适应滤波噪声抑制方法。它运用均值滤波最大限度平滑图像中的噪声区域,并且能够有效的保留原图像中的边缘特征,从而达到了将原图中的噪声区域和组织区域区别处理的目的。将此方法和经典的方法的处理结果通过一定的评价指标来进行比较,虽然在信噪比和对比度上有一定的提升,但是提升效果并不是很好。通过研究Shao等人提出的快速双边滤波方法和BP神经网络的发展成熟,本文再次提出一种基于BP神经网络的自适应双边滤波方法,本方法利用BP神经网络可调整的非线性函数且高非线性的特点,快速预测双边滤波器的自适应阈值,从而做到对噪声区域和组织区域进行自适应的区别处理,对超声图像做到最大平滑的同时保留了其边缘特征。将实验结果和传统的均值滤波;经典的P-M模型、DPAD方法进行比较,此方法能以更快的处理速度够抑制超声图像中的斑点噪声,而且保留了图像中边缘细节特征。