随着血管内超声成像技术在诊断和治疗心血管疾病过程中逐渐被广泛应用,利用计算机图像处理技术对血管内超声图像进行处理和分析,可有效地辅助医生诊断病情、制定手术计划,并为术前术后提供准确的病理分析依据。本文结合心血管临床医学应用的需要,基于临床采集的血管内超声图像序列,研究了血管内超声图像处理中的相关理论、方法和关键技术。主要研究内容和创新性成果如下:(1)提出了一种新的针对血管内超声图像序列的、无需任何硬件设施的自动相角配准、数据重采样技术。利用心脏在收缩和舒张阶段不同的生理特性表现在血管内超声图像距离上的差异,通过图像距离的变化恢复心脏周期,进而对位于同一相位下的图像数据进行重采样组成新的图像集,保证该图像集在空间和时间上具有同一性。该方法无需任何硬件设施、自动程度高,具有很好的实用性,并为后续的图像处理的准确性提供了保证。(2)提出了一种新的利用血管内超声图像时间、空间信息相关性的去噪方法,我们称其为时空滤波算法。方法基于血流回波噪声的物理特性,即其在空间维和时间维上的变化比组织信号要大这一规律,采用二维傅立叶变化求取组织和血流的能量谱,通过高频能量与低频能量比值这一尺度参数来判定信号对应的是组织还是血流,进而对组织信号进行保留并对血流信号进行抑制。该方法能够显著地去除斑点噪声,增强管腔和管壁的对比度。(3)提出了一种新的基于主动轮廓算法模型的自动边缘检测方法。针对主动轮廓模型在处理血管内超声图像时出现的具体问题,我们提出了多种新的改进方案,如引入Snake曲线生长周期的概念、用边界对比梯度替代灰度梯度、给出外加强制力的模型、提出轮廓初始化的两种方案以及解决变形过程中控制点点数变化的问题等。实验统计数据表明算法的可靠性和准确性很好,并且在处理时间上大大优于手动追踪。为了纠正二维检测中的局部偏差并且使检测得到的斑块具有三维直观效果,又将改进的二维主动轮廓算法推广到三维主动曲面算法,加强图像帧之间的空间约束,给出了三维主动曲面算法的能量模型和放置初始界面的方法。实验结果表明在检测多帧图像序列时其在检测效果和时间花费上要优于二维算法。(4)提出了一种结合灰度共生矩阵和分形维数两种纹理分析法,对斑块样本进行准确分类和识别的方法。通过选取基于灰度共生矩阵定义的四个纹理特征值和三个分形维数特征值,组成具有七个特征值的特征向量,分别采用主成分分析和Fisher线性判别分析这两种线性分析方法将高维的数据投影到低维空间中,保持这些数据原来的距离属性,最终得到投影空间中的分类结果。实验表明该方法的分类结果相对于其它方法更加准确、有效,分类准确率可达到90%。(5)提出了血管内超声图像序列三维建模的理论方案。方法基于双平面血管造影图像和血管内超声图像融合技术,针对三维重建技术中的血管中心线的检测、图像帧之间的相对方向、图像自身的扭转方向等问题分别给出其理论性的解决方案,主要解决了血管内超声图像的偏向旋转问题。