癌症一直威胁着人类的健康,尽早发现尽早治疗能够极大程度上提高患者的存活率。很多癌症的早期阶段并没有生理和病理上的变化,只有组织硬度的变化,而传统的医学成像技术比如超声成像(US)、X射线、磁共振成像(MRI)和计算机断层成像(CT)等技术只能够获得组织内部的结构图,不能直接提供组织软硬程度的信息。弹性成像算法可以直接给出组织的弹性信息,一经提出就得到了广泛的关注。超声弹性成像算法以无损伤、简单、便宜等优点在临床上得到了广泛的应用,成为了目前医学成像领域的一个研究热点。超声弹性成像算法按照激励类型的不同可大致分为两类:准静态超声弹性成像和动态超声弹性成像,其中准静态超声成像技术因具有高分辨率、实时性、不需要额外改进传统超声设备等优点而得到广泛应用。然而,准静态超声弹性成像算法仍然面临着挑战:不正确的匹配点导致弹性成像效果差、实时性要求较高、根据经验设置的窗口系数不能自适应组织等。本文详细分析了超声弹性成像算法的原理,介绍了超声RF信号的采集和处理以及几种常见的位移估计算法和应变估计算法。针对准静态超声弹性成像算法中不正确的匹配点导致成像结果差的问题,本文改进了基于互信息的弹性成像算法。将互信息与相位差融合在一起形成新的弹性成像算法(算法一),再将这种方法和动态规划进行结合(算法二)。针对超声弹性算法的实时性问题,将算法二采用多线程的方式实现。算法二计算复杂计算量大,其中核心步骤较为独立,因此采用基于CUDA的并行计算。针对窗口参数不能自适应组织的问题,本文基于粒子群优化算法提出了两种自适应窗口参数的弹性成像算法,基于粒子群和互相关的弹性成像算法(算法三)与基于粒子群和互信息的弹性成像算法(算法四)。本文设计实验,分别对提出的四个算法进行实验验证,并用基于互相关的弹性成像算法、基于动态规划的弹性成像算法和不同固定窗口参数的方法分别作了对照实验。实验结果表明算法一和算法二比传统的弹性成像算法有更高的成像质量。算法三和算法四是对可变窗口参数的弹性成像算法的尝试,实验结果表明,不同的成像算法、不同的组织需要不同的窗口参数,而自适应窗口长度的弹性成像算法能根据组织数据的不同调整窗口参数,达到更好的实现弹性成像效果。