在散斑去噪过程中保持图像边缘纹理特征,是光学相干层析图像处理技术的难题。散斑去噪过程中的散斑残留和边缘纹理模糊是该难题的主要诱导因素。为解决这一难题,提出一种基于剪切波变换的改进全变分散斑去噪方法。该方法结合剪切波变换和传统全变分模型,对不同图像区域采用针对性的去噪策略,兼顾散斑去噪与纹理保留,提高了光学相干层析图像的噪声抑制效果。对不同生理、病理状态下的视网膜光学相干层析图像进行测试,结果表明:该方法通过采用区域针对性策略改进了噪声抑制能力,通过引入剪切波变换方法提高了边缘纹理保持能力,进而同时实现散斑去除和纹理保留。此外,与其他散斑去噪方法进行对比,验证了该方法的有效性。

提出了一种基于叠加散斑图的反射鬼成像方案。在散斑颗粒尺寸为1 pixel×1 pixel的散斑图上，随机插入不同尺寸的散斑颗粒，将叠加成的散斑图作为鬼成像的光源。数值模拟及实验结果表明，相对于传统的鬼成像方案，由多种不同尺寸散斑颗粒随机混合形成的叠加散斑不仅显著提高了恢复物体空间信息的衬噪比，还减少了采样次数，推动了鬼成像技术的实用化。

找出总体趋势超声图像中的斑点降噪”，作者：Juan L. Mateo a, Antonio 费尔南德斯-卡瓦列罗 a,b,*; 发表于 Expert Systems with Applications 36 (2009) 7786-7797。 [ http://www.researchgate.net/publication/222566794_Finding_out_general_tendencies_in_speckle_noise_reduction_in_ultrasound_images ] 摘要：本文调查和汇编了一些主要用于平滑或抑制超声图像中散斑噪声的技术。 有了这些信息，就可以根据一项实验对所有研究方法进行比较，并使用质量指标来测试其性能并显示每种方法可以带来的好处。 为了测试这些方法，创建了一个合成的、无噪声的肾脏图像，然后使用 Field II 程序进行模拟以破坏

数字全息系统是一种非常先进的成像系统,但相干光源数字全息系统中散斑噪声会对全息图的质量产生不利影响,常规实验降噪或基于传统神经网络算法降噪方法均存在不足。为实现全息图中的散斑降噪以及权衡降噪效率问题,提出一种基于卷积神经网络的单幅全息图快速降噪算法,使用散斑噪声数据集对多等级神经网络进行训练。理论分析及实验结果表明卷积神经网络应用于数字全息图的频谱域去噪能有效提高全息图的质量,且仅使用一幅全息图就可以有效地处理不同等级散斑噪声,在保持去噪性能的前提下,能最大限度保存全息图有效干涉条纹。