运动分析和应用是计算机视觉研究的一个主要分支,涉及到计算机视觉研究的各个方面。光流场的估计是计算机视觉研究中的一个重要课题。光流场是图像的亮度模式随时间变化而形成的表观运动场,或者简单地说是由于图像中物体的运动所导致的图像变化。本论文研究重点是应用光流场来表征医学动态图像的运动情况,主要集中在对超声心脏序列图像的研究。心脏是人体的重要器官,它的运动与其功能紧密相关,因此在心脏疾病的诊断中,对其运动情况进行分析是十分必要的。现代医学成像技术为医生在心脏的整体解剖结构和功能(动态)结构等方面提供了全局性信息。利用计算机视觉中的运动分析方法,结合心脏动态特征的临床知识对超声心动图进行定量的分析,旨在为医生诊断提供一个有效的工具和途径。论文的工作主要有以下几个方面:首先,通过了解国际国内研究状况,认真学习了近些年来有关医学图像运动分析的算法,并进行了实验,其中包括Horn算法、基于矩的算法和基于块的运动模型。第二,对序列图像而言,相邻帧的时间间隔很小,空间点在相邻两帧图像内移动不大,前后帧物体位置相关性较大,可认为同一物体灰度基本上不变,其灰度相关性很强,因而我们应用相关算法对超声图像进行了运动分析并得到了预期的实验结果。为了检测本算法的可行性,本文结合临床知识对仿真图像应用相关算法进行了定量分析并与传统方法进行了比较。第三,上述运动分析方法的研究绝大多数是基于刚体的,而心脏是弹性体,对心脏的运动情况进行分析属于弹性力学的范畴。一幅由像素组成的二维的医学图像,可以看作一块具有连续性的、密实的弹性平面薄板,故根据弹性力学理论,可以将图像的弹性运动分析问题转化为弹性物体的变形问题,这也是论文的研究重点。我们采用基于非刚体的有限元方法对超声心动图像进行运动分析,其中涉及到弹性力学的引入、有限元理论的介绍、单元网格的划分、单元的集成、位移边界条件以及对实验结果的分析。最后,论文进行总结并作出展望。