超声检测在临床医学中具有广泛的应用。医学超声检测利用超声波的反射和衍射特性，通过观察显示在超声检测仪上的反射波的位置、强度变化，来判定被检器官内部和表面是否存在异常。超声检测具有无创，实时，双模等优点。　　 超声回波反射技术是超声检测中常用的技术之一。然而，在使用回波反射技术时，由于回波的干涉效应以及散射回的超声波束之间存在相互干扰，当相关反射源反射出的两束回波重叠时，在超声图像上呈现为颗粒状，即论文说论述的超声图像斑点噪声。斑点噪声影响诊断信息的提取，给诊断带来困难。因此，使用超声检测时，消除斑点噪声对于获取准确的诊断确信息具有重要的意义。　　 计算机技术的发展，使得计算机可以应用到更广的领域。数字图像处理就是其中一种应用。使用计算机处理超声图像，研究去斑算法，降低噪声，能提高获取诊断信息的准确性。利用计算机模型仿真斑点噪声，为研究、验证去斑算法提供了客观对象。而对于超声图像的研究应该建立在二维图像的基础上，因此，研究计算机仿真的二维超声图像斑点模型就更有现实意义。　　 目前针对斑点噪声模型的研究主要集中于斑点的一维分布特性。主要有两种分布模型。根据Burckhardt的研究发现，斑点噪声的幅值遵循瑞利(Rayleigh)分布，而斑点的位置分布会随着分辨单元的增多而发生变化。Burckhardt的理论详细描述了斑点的分布特性，许多研究均建立在此理论基础之上。但Burckhardt只给出了斑点噪声的一维分布模型。Cramblitt在对Burckhardt模型的研究基础上，用一个泊松点过程描述一维斑点噪声的位置分布特性。而对噪声幅值则没有采用Burckhardt模型中给出的瑞利(Rayleigh)分布，转而以一个平稳高斯过程表示噪声的幅值统计特性。Cramblitt模型对Burckhardt模型进行了改进，但同样只给出了一维的统计分布和一维斑点噪声模型的实现。因此，探索一种易于实现的二维斑点噪声模型计算机仿真，对研究二维超声图像的去斑算法很重要。　　 Hilbert于1891年发现了Peano曲线的一种变形，把单位正方形分成四个小正方形。然后，类似地再把四个小正方形的每一个分成四个更小的正方形，以此类推。最终得到Hilbert曲线，这种曲线具有空间填充的特性。Hilbert曲线是一种重要的数字图像处理工具，在图像处理中被广泛的使用。　　 本文在研究Burckhardt模型和Cramblitt模型的基础上，给出了一种易于实现的利用Hilbert空间填充曲线生成二维斑点噪声图像的计算机模型。生成过程主要分三个步骤：仿真一维斑点噪声；生成Hilbert空间填充矩阵和Hilbert空间填充曲线：利用Hilbert空间填充矩阵生成二维斑点噪声图像。在一维斑点噪声的仿真中，对斑点噪声位置分布的描述保留了Cramblitt模型中给出的泊松点过程，本文还保留了Cramblitt给出的在点过程中，不同散射密度对斑点位置分布的影响结果。而幅值特性则采用Burckhardt模型中给出的瑞利(Rayleigh)分布来描述。生成Hilbert空间填充矩阵和Hilbert空间填充曲线是通过采用矩阵计算递归算法编程实现。然后利用生成的空间填充矩阵将一维噪声转换为二维斑点噪声图像。最后，通过对不同散射密度下生成的二维斑点噪声图像做图像分析对比，通过对不同散射密度下生成的二维斑点噪声图像做直方图分析，通过对不同散射密度下生成的二维斑点噪声图像做功率谱密度分析，通过与临床超声图像中的斑点分布作比较分析以及通过采用Burckhardt给出的斑点噪声模型复杂度计算公式，对Burckhardt模型，Cramblitt模型和本文给出的模型做模型复杂度柱状图比较，验证本文给出的二维斑点噪声图像模型的可行性和易实现性。实验结果表明，该模型生成的二维斑点噪声，能保持斑点噪声的统计特性，与真实噪声接近，且生成斑点噪声图像的算法相对容易。