数字全息测量系统中，记录过程引入的散斑噪声严重影响全息图质量，导致三维重建结果存在误差。相位提取是数字全息三维测量系统中影响精度的关键技术，而相位解包是获得正确连续相位的关键环节。为了抑制数字全息测量系统中的散斑噪声，提出了一种处理包裹相位的散斑噪声抑制方法。首先应用二维高斯窗口在频域内对包裹相位进行局部分析，并基于窗口傅里叶基函数与包裹相位的高相关性选取阈值；然后根据阈值舍弃噪声频谱，获得低散斑噪声的包裹相位。以微透镜阵列为测试对象，实现了数字全息测量系统中散斑噪声的有效抑制。实验结果表明，所提方法保留了包裹相位的2π跳变边界，有效提高了数字全息测量系统的三维重建精度，与未去噪的结果相比，残差降低了28.35%（峰谷值）和20.23%（均方根）。

数字全息中的散斑噪声对图像质量有很大的影响, 而形成散斑噪声的原因之一是参考光和物光的相干度太高, 对记录的全息图引入了不必要的噪声。文章研究了利用电控液晶散射片对相干光进行退相干的操作来实现散斑去噪; 通过调整电压改变物光路中电控液晶散射片的散射效果, 记录得到液晶散射片在多种散射效果下照射的全息图, 多种散射效果下重建物体图像的等效外观指数各有不同, 将各个重建图像对比得到最优结果; 在最优散射效果下将全息图叠加进行重建, 重建图像中的散斑噪声得到很好的抑制且比单副效果更好。通过理论分析和实验验证证实了所提出的方法对提高数字全息系统的成像质量有很大的应用价值。

侧扫声纳(SSS)是一种利用声波的水下传播特性完成水下探测的电子设备。因为侧扫声纳利用回波强度成像，所以不可避免地引入散斑噪声。本文针对散斑噪声，提出了基于自适应三维块匹配滤波 (BM3D)的侧扫声纳图像散斑降噪方法。该算法首先对 SSS图像进行幂变换和对数变换，采用小波变换估计整体图像噪声，同时用局部噪声估计结果更新 BM3D算法的参数。然后本文算法比较全局估计和局部估计的结果，选择最合适的参数解决噪声分布不均匀的问题。实验结果表明，本文改进的 BM3D算法能有效地降低 SSS图像中的散斑噪声，获得良好的视觉效果。本文算法的等效视数至少提高了 6.83%，散斑抑制指数低于传统方法，散斑抑制和平均保存指数至少减少了 3.30%。该方法主要用于声纳图像降噪，对于超声、雷达或 OCT图像等受散斑噪声污染的信号也有一定的实用价值。

为解决相位图在去噪过程中出现的散斑噪声残留和边缘纹理模糊问题,基于正余弦分解提出了一种自适应全变分去噪方法。首先,用正余弦函数将原始相位图分解成两幅相位图;然后用自适应全变分算法处理分解后的相位图;最后,通过反正切运算合成去噪后的相位图,以快速去除大量散斑噪声并保留图像的边缘信息。对去噪结果进行定量评价和分析表明,与其他降噪方法相比,本方法得到的图像峰值信噪比提高了2.0 dB,且结构相似度较高。同时可以自适应地选择参数,减少去噪后相位图的波动性,改善相位图的质量。

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。

光学相干断层扫描(OCT)作为眼科疾病的重要诊断手段之一, 具有巨大的发展潜力。OCT图像中含有大量的散斑噪声, 会影响图像病理信息的检测和提取。提出一种去除OCT图像散斑噪声的方法, 依据散斑噪声的乘性特性建立了乘性噪声模型。针对双域滤波中产生的伪吉布斯现象, 引入各向异性扩散获得引导图像, 代替了算法中的自身引导, 减少了迭代次数。结果显示, 所提方法提高了算法效率与图像质量, 算法运行时间大幅度下降, 图像峰值信噪比(PSNR)提高到36dB, 结构相似性(SSIM)和边缘保持系数(EPI)分别达到0.8和0.7左右, 有效抑制了OCT图像中的散斑噪声。

光学相干层析扫描(OCT)作为一种新型无创高分辨率扫描方式, 在临床上得到广泛应用, 但是 OCT图像本身存在严重的散斑噪声, 这大大影响了疾病的诊断。本文针对 OCT图像中的乘性散斑噪声, 改进了两种原始字典降噪算法。该算法首先对 OCT图像进行对数变换, 采用正交匹配追踪算法进行稀疏编码, 以及 K奇异值分解学习算法进行自适应字典的更新, 最后通过加权平均以及指数变换回到空域。实验结果表明, 本文改进的两种字典算法能有效降低 OCT图像中的散斑噪声, 获得良好的视觉效果。并通过均方误差 (MSE)、峰值信噪比 (PSNR)、结构相似性 (SSIM)以及边缘保持指数(EPI)四个指标评价降噪效果, 与两种原始字典降噪算法和传统滤波算法相比, 两种改进字典算法降噪效果优于其他算法, 其中自适应字典算法表现更好。

散斑存在于光学相干层析成像(OCT)信号中，不可避免地影响OCT图像质量。通过对OCT系统中的噪声源进行分析，提出了一种傅里叶域OCT图像散斑噪声降噪的分数阶积分算法。为了克服单纯主观视觉判别图像质量的局限性，均方误差、峰值信号噪声比和边缘保护系数被选为图像去噪评估标准。通过实验与中值滤波和维纳滤波方法进行比较，结果表明，该算法可以有效地保留OCT图像中的重要边缘细节信息，同时有效消除噪声，使图像细节清晰，提高图像质量。

散斑噪声的存在严重降低了数字全息技术再现像的信噪比和空间分辨率。在无透镜傅里叶变换数字全息中,通过对电荷耦合器件(CCD)记录的干涉图进行一次傅里叶变换,就可以重建物光场。根据干涉图上不同的像素点对再现像中散斑噪声强度分布贡献不同的特点,提出了一种新的降噪方法。该方法将CCD输出的干涉图划分为多个区域,并调换各个区域的位置,得到多幅互异的新干涉图,然后将所有新干涉图进行再现处理;对再现像进行叠加平均,就可以得到一幅散斑噪声强度更低的再现像,其等效视数明显提高。相比于空域掩模法,所提方法的处理时间缩短了80%左右,且再现像的边缘保持系数提高了1倍。