生物组织的弹性（或硬度）与病灶的生物学特性紧密相关，对于疾病的诊断具有重要的参考价值，是诊断早期的重要依据。而对于这些根据组织硬度来预先诊断的这类疾病的检测，临床上用的比较多的还是延续了千百年的传统方法-----触诊。然而，触诊有较大的局限性，很大程度上依赖于大夫的主观经验，并且它得到的只是一个定性的信息，所以不同的人或同一人在不同时期的诊断结果不能比较。其次，当损害太小过病灶埋藏太深，这种方法就无能为力了。[1]目前常规的影像设备，包括超声成像（ultrasound），磁共振成像(MRI)，计算机断层扫描(CT)等都不能提供弹性这一组织的基本力学属性信息。因此，超　　 声弹性成像(ultrasounic elastography, UE)自1991年被Ophir[2]等人提出来后，得到了临床的广泛关注和迅猛发展，已成为医学超声的一个研究热点。[3]超声弹性成像实现的技术有很多种，根据对组织施加激励的不同可以分为内部方法和外部方法。外部方法即在皮肤表面对组织施加压力。内部方法则是靠体内固有的激励（如心脏血管的搏动）。根据激励在时间上的特点，可以把弹性成像方法分为静态/准静态方法和动态方法。　　 在静态方法的实现过程中，互相关法和块匹配法是比较常用的位移估计算法。然而，当组织应变较大时，组织横向和垂直方向位移，信号形变会使信号发生去相关，严重影响位移估计的正确率以及应变图像的质量，传统的互相关和块匹配算法得到的结果图像噪声严重，难以反映组织力学属性。为了抑制组织信号压缩时横向位移引起的去相关，提高匹配的精度，提高应变图像质量，本文首先对超声RF信号进行纵向拉伸，一定程度上提高了信号在纵向上的去相关程度，其次，在基础的块匹配的算法上对其做了改进，利用全搜索算法做了两次重复计算，其基本思想是，第一次利用全局搜索方法后利用线性回归求出信号在纵向，横向的拉伸系数和平移系数，之后再利用者3个系数进行局部重叠的运动补偿求整体图像的位移向量，这样做不仅再纵向将信号进一步地匹配，还弥补了互相关算法不能再横向上对信号进行拉伸补偿的不足，得到的位移图像更加精确，避免了马赛克效应，求位移时本文采用SG-Ⅰ滤波器进行平滑滤波，SG-Ⅰ差分滤波可以一定程度上消除位移向量中的噪声干扰，平滑位移图得到更高质量的位移图像。最后再用SG滤波和差分的方法两个相迭代相加的办法估计出组织的应变，相比于之前的块匹配的出的应变图，其图像应变部位更加突出，应变分布层次更加分明，并消除了SG-Ⅰ差分滤波带来的图像上下边缘卷折的影响。