光学相干层析成像（Optical Coherence Tomography,OCT）作为一种微米级、非侵入、无创伤且高分辨率的光学成像模式,它在眼科、皮肤科、肿瘤科、牙科和心血管科等医学疾病检测领域以及文物修复、珠宝检测、工业检测等各个领域都有着广泛的应用。然而,由于光的低相干干涉特性使得OCT图像不可避免地受到散斑噪声的破坏,从而导致OCT图像的质量被大大的降低,比如说图像的结构和细节信息被模糊,图像的清晰度和对比度被降低等。低质量的OCT图像对于图像的后续处理都产生了不良影响,比如说增加了医生对病灶检测与分析的难度,也增加了边缘检测和分割的错误率等。因此,去除OCT图像上的散斑噪声,提高OCT图像的清晰度具有非常重要的价值与意义。为了去除OCT图像上的噪声,研究人员提出了各种各样的方法来解决它。这些方法主要被分成两个主要的类别:一类是基于硬件的修正方法;另一类是基于软件的数字滤波方法。基于硬件的修正方法是对现有的OCT系统以及系统中的相关结构和入射光源等系统硬件进行改进的方法,可以在获得最终OCT图像之前减少或者消除图像中的一部分噪声。但是这种对硬件改进的方法过于复杂和昂贵,难以应用于实际的商用OCT系统。基于软件的数字滤波方法是比较经济且有效的,比如说基于全变分和扩散方程、小波分解变换、概率统计、非局部自相似性、稀疏表示、低秩和网络的方法。然而,这些算法没有充分考虑OCT图像的相关特性,从而很难在去除OCT图像散斑噪声的同时精准的保留其结构和细节信息。在充分考虑OCT相关信息的情况下,本文主要研究了几种基于低秩近似的数字滤波算法。（1）本文提出一个基于广义似然匹配和自适应奇异值收缩的OCT图像散斑去除算法。该算法针对OCT图像数据强度的高度稀疏冗余特性,采用广义似然比作为块匹配的相似度判据构造低秩群组矩阵,再利用奇异值分解与收缩策略重建OCT估计图像,最后采用特征自适应后投影策略,从而更好地恢复OCT图像潜在的底层分层结构和细节信息。实验结果表明,与现存的几种先进算法相比,该算法在定量检测和视觉分析两方面都达到了最好的去斑效果。（2）本文基于低秩近似框架提出一个面向特征的两阶段奇异值收缩去斑算法。该算法首先使用加权绝对距离来寻找与给定参考斑块高度相关的非局部相似小块。然后通过混合阈值收缩算子对相似小块形成的群组矩阵的奇异值进行收缩,使其更接近于无噪声潜在群组矩阵的奇异值。最后,采用迭代正则化技术提高了该方法的去噪性能,每个像素中的反投影参数由其对应的梯度信息自适应确定。利用这些策略,不仅可以有效地去除OCT图像的散斑噪声,还可以保留OCT图像上的精细结构。实验结果表明,该算法无论是在客观度量还是在主观视觉质量检测两方面都能与目前先进的散斑去除技术相媲美。（3）本文提出一个基于分数阶滤波和增强奇异值收缩的OCT图像散斑抑制算法。该算法首先将一幅OCT图像分割成多个重叠的图像块,再利用分数掩模对每个块进行预滤波,然后用绝对距离作为块匹配的相似性准则,形成低秩的群组矩阵。在此基础上,再对群组矩阵进行分数阶预处理。最后,利用奇异值分解、分段拉普拉斯收缩、聚合和增强迭代正则化技术对滤波后的图像进行重构。为了验证该方法的有效性,用18幅人眼视网膜的OCT图像进行了实验。实验结果表明,该方法在大多数情况下都能获得最佳的PSNR、SSIM和EP结果。另外,通过配对样本t检验结果表明,该方法与对比算法具有明显的差异,并且能相对彻底地去除噪声,较好地保留OCT图像的结构信息。（4）本文提出了一个基于卡方相似度和模糊逻辑分类的OCT图像迭代去噪算法。该算法首先将OCT图像分割成大量重叠的图像块,利用卡方距离相似块匹配形成低秩群矩阵。然后对群矩阵进行奇异值分解,用模糊逻辑将群组矩阵分成不同的类别再用不同的权值进行收缩去噪。最后,采用像素强度模糊分类的反投影技术和自适应迭代停止策略来增强OCT图像去噪效果。实验结果表明,该算法具有较好的客观指标和较好的视觉检测效果。