baidu学术：
Scientific Research (an Academic Publisher): https://www.scirp.org/reference/ReferencesPapers.aspx?ReferenceID=1611178
1、主要的去噪方法如下，红色表示计算量大，不容易在移动客户端实现。
均值滤波、中值滤波、高斯滤波：
NLM：
BM3D：计算量大
双边（三边滤波）：
导向滤波：
PDE：
全变分（TV）：
结构矩阵：
傅里叶变换：
小波变换：
contourlet：
稀疏表示字典学习：计算量大
深度学习：计算量大
2、对比度增加
现有增强算法针对产品结果图像，DSC之后的图像，会对左上、右上三角形黑色背景区域产生影响。
（1）与高斯平滑后图像做差，再与原图相加
（2）直方图均衡化及其各种改进
（3）模糊增强，
（4）小波变换
（5）盲反卷积
（6）Retinex I=LR logI=logL + logR I=I-I*Gaussian(I)
（7）同态滤波 I=LR logI=logL+logR
https://blog.csdn.net/lidb86/article/details/83111010
https://www.cnblogs.com/Imageshop/archive/2018/10/10/9766056.html
Retinex和同态滤波模型原型相同。
3、技巧：将上面算法融入多尺度模型。
4、如果是移动超声需要注意：
（1）近、远场参数要有变化
（2）第一层残噪声最大，但是具有很好边界（sharp border）和对比度（conrast）信息。