骨骼肌是人体最丰富的组织,其主要功能是产生力量和保持姿势。肌肉的损耗会在各种生理和病理条件下发生,严重损耗人体的运动能力和健康状态。因此,肌肉状态的动态检测对维护人类运动能力与健康状态有着非常重要的意义。超声成像可以提供人体内部软组织以及脏器结构的清晰图像以供研究人员进行骨骼肌肌肉组织结构分析。肌肉超声监测具有非侵入、无害、方便易行、低成本等优势,在肌肉疾病诊断、肌肉损耗检测与肌肉状态实时监测等方面具有广阔的应用前景。肌筋膜特性的改变反映了神经肌肉的健康状态,所以监测与肌筋膜特性相关的肌肉状态参量对神经肌肉疾病的早期诊断与肌肉健康状态评估有着非常重要的意义。肌肉羽状角是定量评价肌肉状态重要和常用的参数,活体肌筋膜在超声图像中呈现为典型的高回声带状结构,早期的状态测量方法借助图像相关软件在超声图像中手动测量,是低效的,且带有一定的主观性。因此,如何基于图像处理技术在超声图像中自动测量肌肉状态参数是量化评价肌肉状态亟待解决的关键问题之一。现有的肌肉超声检测方法全部集中在肌肉状态参量检测上,基于肌肉超声图像进行肌肉结构、组成变化检测的研究仍然是图像处理与分析领域极具挑战的难题。本论文主要研究内容如下:（1）分析了现有几种羽状角自动测量方案的原理,发现现有羽状角自动检测和测量方法都是基于线检测技术,与肌肉的真实状态不完全吻合,这影响了他们的检测和测量精度,也降低了他们对噪声干扰的鲁棒性。本文提出一种新的离散变换,即线性带状迭加（BLS）离散变换。基于BLS变换本文设计了一种羽状角自动检测方法,与现有检测方法显著不同的是,首先在检测原理上,现有检测方法都是基于超声图像中的直线检测,而本文所提出的方法是基于超声图像中的带状检测,更贴近于肌肉纤维束在超声图像中的真实情况;其次,BLS变换直接定义于离散域,不存在Radon变换与Hough变换中的积分近似误差与离散采样误差。（2）本文将基于BLS变换的检测方法与现有的羽状角自动检测方法分别在人工模拟图像和临床图像数据中进行了比较分析。通过Field Ⅱ仿真程序获得仿真肌肉超声图像,使用人工模拟图像数据的优势是羽状角角度无主观测量偏差,可以验证算法的有效性。临床数据是通过实验室超声仪器对受试者进行检测得到的,可以验证算法在临床应用中的可行性。最终实验结果表明该方法的检测精度高、计算成本低、不需要任何先验知识,且具有较高的适应性与自动化水平,可以应用于肌肉状态的实时监控和动态测量中。（3）本文的研究发现肌肉超声图像中肌纤维像素邻域的局部线结构特征与肌肉结构及组成变化紧密关联,据此提出了一种基于多方向、多尺度分析与局部线特征描述字的肌肉结构与组成变化统计监测方法。实验表明,该方法可以监测小鼠尾吊形成的失重性肌萎缩状态下的肌肉量与肌腱膜比值变化,也可以对人卧床实验中的肌肉萎缩变化状况进行监测。