心血管疾病已经成为全世界发病率最高的疾病,严重威胁了人类的健康。医学成像技术的飞速发展,使得心血管疾病的临床诊断手段越来越丰富,精度也越来越高。目前主要的诊断方法包括：心电图、心脏超声、MRI、CT.冠状动脉造影、放射性核素检查等。超声成像凭借其非侵害、低成本、诊断便利以及实时显示器官和组织运动的优点,目前被用作诊断心脏疾病和评价心脏功能的重要依据。医学动态序列图像能够为医生的诊断提供更多的信息,心脏超声图像的运动分析能够将心脏的运动情况等有价值信息提取出来,进而帮助医生提高诊断的效率和准确率,弥补了超声图像本身较低空间分辨率的不足。光流法和块匹配法作为两种经典的运动估计算法在超声序列图像的运动估计中也得到了广泛应用。但是由于心脏运动的复杂性以及房室间瓣膜大幅度的开闭运动,心脏超声序列图像的运动估计面临着不少困难。光流的计算中对帧与帧之间的时间间隔足够小的假设由于心脏较大的运动幅度而受到挑战,而块匹配法对整个图像区域的搜索匹配使得算法的时间复杂度很高。鉴于传统方法在对心脏超声图像序列进行运动估计时容易受到心脏复杂运动情况干扰以及效率偏低的问题,本文将ASM分割方法应用于运动估计的前期阶段,并进一步对ASM方法获得的房室区域轮廓线进行校正优化,使其具有更好的房室区域边缘贴合度。在此基础上,基于ACO原理设计了一种利用相邻帧图像轮廓线双重引导机制的运动搜索策略,通过对先验轮廓信息的利用提高了运动搜索的效率,同时保证了所获得的运动矢量具有更好可用性和很高的精度。实验的结果显示了本文方法所获得的运动矢量能够很方便地应用于心脏各个房室区域精确运动信息的独立提取,进而可以进行对比与综合分析。