超声成像与其它医学成像方法相比,具有对人体无损害、便宜、便捷、能够实时显示器官或组织运动情况等特点,在临床上获得了非常广泛的应用。由于超声成像机制的限制,图像质量相对较差一直是超声医学图像主要的缺点,难以满足后期的图像分析工作的要求。图像滤波是提高超声医学图像质量最常用的方法,现有的超声医学图像滤波方法,如基于中值滤波、小波变换、扩散方程的方法等,在应用中取得了一定的成果,但并没有从根本上解决超声医学图像质量较差的缺点。由于图像中所含的噪声是一种乘性斑点噪声,与组织结构信息密切相关,因此超声医学图像滤波是一个复杂而困难的问题。独立成分分析是一种近年来发展起来的信号分解技术,通过观察到的混合信号,利用信号间的统计独立性,就可以得到组成混合信号的独立成分,而不需要任何其它先验知识。超声医学图像是由多种未知反射回波非线性混合的产物,独立成分分析正是提供了从超声医学图像中分离出这些未知的回波信号成分的途径。本文在独立成分分析(ICA)理论与算法的基础上,探索了一种新的超声医学图像滤波方法。因为非线性ICA 理论与算法还很不成熟,为了研究ICA 在超声医学图像滤波上的应用,我们希望使用成熟的线性ICA 理论与算法,但是需要先把非线性的超声医学图像转换成线性模型。滤波方法的步骤为:首先利用Jain 提出的超声医学图像斑点噪声模型,通过对数运算把乘性模型转换成加性模型;然后利用独立成分分析线性算法进行纹理信号与斑点噪声信号的分离;最后通过后处理得到滤波后的图像。