超声图像去噪是实现医学图像处理与后续分析的关键步骤，对辅助医生诊断和治疗患者病情有着重要的意义。由于超声图像噪声的情况比较复杂，这就对去噪方法提出了更高的要求。因此，超声图像去噪一直是医学图像处理中的难题。经典的超声图像滤波方法包括:均值滤波，中值滤波，维纳滤波，以及小波变换。由于人们主要对超声图像中因病变产生的微弱保留部分感兴趣，上述的均值滤波，维纳滤波等方法都无法达到良好的降噪效果。虽然小波去噪方法要比其他几种方法优越，但要得到能够更好地满足超声图象处理特殊要求还是有一定的困难。而多尺度几何分析克服了小波不能最优的表示图像中线和面奇异性的缺陷，在图像去噪、融合等领域都得到了成功的应用。其中Contourlet变换具有灵活对图像进行多尺度、多方向分解的特点，从而被广泛的应用于图像去噪等领域。　　本研究主要内容包括：⑴研究了多尺度几何分析理论。从多尺度几何分析的发展过程入手，分别研究了小波变换，Contourlet变换的理论及其优缺点。⑵研究了基于Contourlet变换超声图像去噪算法和各向异性扩散的超声图像去噪算法，并通过实验对二者的性能进行了分析。⑶提出了利用Contourlet变换与各向异性扩散技术相结合的方法。该方法克服了Contourlet变换在图像去噪时的缺陷，即指在图像的奇异点附近会产生伪Gibbs现象，在奇异点附近重构后的去噪图像会交替出现较大的上下幅值振动。而各向异性扩散的特性能使表示图像边缘的Contourlet系数的能量更加集中，各向异性扩散在消除噪声和保护边缘方面具有较好的优势，且很好地克服了其在光滑区域产生虚假边缘的缺点。通过多种超声图像的仿真实验可以证实，新的方法法对超声图像具有更好的去噪效果。