冠心病严重危害着人类健康,对于冠心病的诊断治疗一直是医学界研究的重点,血管内超声技术是冠心病临床诊断最重要的方法之一。医生通过超声图像可以观测到血管内腔的截面信息,用来分析血管壁的厚度,管腔内的斑块分布、大小及组成。但医生依据超声图像观察血管病变部位存在着局限性,不能观察血管的三维模型,因此本文对血管模型的可视化进行研究。本文的主要研究内容如下:针对图像获取过程中产生的噪声、光斑、伪影等干扰信息,研究了图像滤波算法,由于单一的滤波方法处理效果无法满足要求,因此针对小波滤波算法不足提出优化方法,可以更好的去除血管超声图像的噪点。并选择分割效果较好的区域生长分割算法,提取血管轮廓。同时研究了模型三维重构的方法,由于血管内部的结构单一,选择面绘制方法中的移动立方体(Marching Cube,MC)算法重构血管模型,针对MC算法运算效率低,并具有连接二义性的问题提出了MC算法的改进方法,将存在连接二义性问题的面进行转换,消除连接二义性。由于MC算法重构出的血管模型是由大量的三角网格数据构成,内部含有大量冗余的三角面片,影响了计算机的计算效率,对模型的渲染缓慢,不利于人机交互,并且大量的数据也不利于存储和传输,因此需要对模型进行简化。通过对各类简化算法的优劣进行比较,发现基于边折叠的二次度量误差(Quadric Error Metrics,QEM)算法生成效果较好,因此利用QEM算法对血管网格模型进行优化,并针对该算法存在的局限性,将顶点的曲率和局部面积等影响因子加入算法的中,提高了QEM算法的效率。最后在VS 2010平台的基础上设计了一个血管三维重构系统,主要包括图像的预处理,血管模型的重构以及模型的简化等功能模块。该系统实现了数字图像数据到可视化模型的转换,生成了血管的三维模型,为心脏介入术虚拟训练平台的建立打下基础。