偏振频域光学相干层析成像（OCT）中图像质量受散斑噪声影响较大，散斑噪声会使图像细节变模糊，降低图像清晰度。针对此问题，提出了一种分光谱降低偏振频域OCT散斑噪声的方法。该方法将系统的全光谱信号分为多个光谱信号，对每个分立的光谱信号进行窗函数滤波，单独进行常规数据处理，然后将处理后的各个分光谱进行平均合成，达到降低散斑噪声的目的。利用Matlab进行仿真，同时搭建实验系统对离体生物样品鸡胸肉进行检测。实验结果表明，该方法可有效降低散斑噪声，提高偏振图像质量。

通过对光学相干层析(OCT)系统中的噪声源进行分析,提出了一种将小波变换和分数阶积分结合的OCT图像去噪方法。先将OCT图像进行小波分解,获得不同频带的子图像。将低频近似图像保持不变,对水平、垂直和对角三个方向的高频细节图像采用三种改进的分数阶积分Tiansi模板进行滤波,最后将低频近似图像与三个分数阶积分滤波后的高频细节图像合成,得到去噪后的图像。实验结果表明;该算法在有效降低OCT图像散斑噪声的同时,尽可能地保留了图像的细节;相比经典的去噪算法和单一的分数阶积分算法,本文算法的去噪效果较好。

针对激光主动成像中的波前畸变和散斑噪声，分析了散斑噪声对基于图像指标优化的波前校正性能影响。通过仿真不同散斑噪声水平下图像清晰度指标值随波前均方根值的变化趋势，研究了散斑噪声对波前校正性能的影响。在此基础上，通过开展大气湍流波前畸变闭环校正数值仿真，对分析结果进行了验证。研究结果表明：随着散斑噪声的增大，图像清晰度指标随波前均方根(RMS)值的单调性和线性度明显变差，尤其是在RMS小于1 rad范围内，导致收敛速度和最终的校正精度变差；当散斑噪声较大时，随着波前畸变的增大，散斑噪声对校正性能的影响也越大。

针对远距离数字全息成像中波前畸变和散斑噪声对成像质量的影响，实验研究了基于图像指标优化的波前校正技术，以及基于孔径分割的多帧图像平均散斑噪声抑制方法。建立了数字离轴全息实验装置，针对系统自身像差，采用梯度下降算法，以图像清晰度为优化指标进行了波前校正实验；在此基础上通过孔径分割，重构出多帧散斑噪声分布各异的目标图像，进行平均运算。结果表明，基于图像清晰度优化的波前校正技术能够有效消除波前畸变，提高成像分辨率；采用基于孔径分割的多帧图像平均方法能够在一定程度上消除目标图像的散斑噪声，获得更高的成像质量。

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。

MATLAB代码，Lee滤波是经典的去除乘性噪声的算法，该算法可以去除散斑噪声

LEE滤波算法的实现，导入图片，添加散斑噪声，使用7*7的滑动窗口进行实验，3*3的窗口做对照，改进的LEE作为另一个对照。

用光学干涉计量方法获得光场相位，通常都需要做去噪运算。在光场相位空间变化频率不高的情况下，目前的各种算法都能取得不错的效果。如果光场相位空间变化剧烈，传统去噪算法常引起细节丢失、条纹断裂。针对这个问题，通过引入光场的横向剪切，显著降低光场相位的空间变化频率，从而将噪声从光场中分离出来。给出了一种新的去噪算法和相应的理论分析，通过模拟计算和实验验证，证明该算法是可行和有效的，在光场相位空间变化频率较高的情况下，能得到比传统去噪算法更好的结果。