随着血管内超声图像(IntravascularUltrasound, IVUS)在诊断和治疗心血管疾病过程中逐渐被广泛应用,利用数字图像处理技术对IVUS图像中的血管壁、血管内腔形态等进行分析,可以辅助医生了解病情、介入治疗和制定手术。本文结合心血管临床医学应用的需要,基于IVUS图像去噪效果以及处理时间存在的问题,研究了 IVUS图像序列血流斑点噪声抑制与加快去噪时间的关键技术。首先,对未经任何处理的IVUS图像序列进行预处理,针对IVUS图像受血管曲率变化以及心脏跳动引起的图像序列错位问题,本文利用心脏跳动周期的时间规律,对图像在同一相位下的图像数据进行重采样组成新的图像集,保证图像序列空间和时间的一致性,并对后续图像去噪的准确性提供了保证。其次,本文对IVUS图像序列血流斑点噪声抑制进行分析和研究。在基于时空相关性去噪算法基础上,提出针对血流斑点灰度值修正的算法。根据图像序列形态学的特性,即血流噪声在空间维和时间维上的变化比组织信号要大,在图像上反映是血流斑点噪声区域灰度值不一致。依据这个特点,采用二维傅立叶变换求取组织和血流的能量谱,通过高频分量与低频分量的能量比与给定的阈值判断信号是否为噪音。在确定处理点为噪声的前提下,将该信号的灰度值与时间邻域内的数据利用提出的公式求取相似度权值,并对权值进行归一化处理,将结果作为最终的血流斑点修正值。最后,本文针对改进算法计算复杂而导致处理时间慢的问题,研究将其结合CUDA并行编程,用来提高去噪处理时间,达到实时性的目的。使用CPU+GPU异构模型,针对复杂算法以及大规模数据进行并行设计。设计CUDA并行算法,包括数据传输与存储、任务分配、网格与线程块的设计以及优化并行等。