微循环系统是人体内的组织以及器官维持其正常功能的重要调节系统,是人体局部乃至全身循环系统稳定的基础。微循环系统的研究在临床上已经具有非常广泛的应用,如败血症、糖尿病、肝脏疾病等多种疾病的发生和病程发展均伴随着微循环参数的改变。因此,微循环参数的定量研究能够在很大程度上辅助临床上医生对疾病的诊断和治疗。传统的微循环参数测量方法需要大量的人工干预,不仅耗时耗力,并且无法保证测量结果的准确性。近年来,自动化测量微循环参数算法的相关研究受到广泛关注,其中基于视频图像处理的微循环参数测量方法具有更高的准确性,且可以有效减少人工干预,加快计算速度。本文研究了基于微循环视频图像处理的微循环参数测量方法,研究内容主要包括三个部分:一是微循环视频及图像的预处理,二是微循环形态参数测量,三是微循环动态参数测量。微循环视频及图像的预处理包括微循环视频去抖动、微循环图像去噪声、以及微循环图像的对比度增强。视频去抖动采用了 SIFT角点检测与电子稳像技术结合的算法,有效提升了原始微循环视频的稳定性。微循环图像去噪声以及对比度增强均基于Contourlet变换方法,通过对Contourlet系数的处理,去除噪声的同时增强血管区域与背景部分的对比度,有效解决了微循环图像光照不均、噪声大、对比度低等问题。微循环视频图像的预处理可以有效提高人体微循环系统的可视化效果,为微循环参数的准确测量提供更有效的数据。微循环的形态参数测量包括功能性毛细血管密度测量、血管曲率测量、血管直径测量。功能性毛细血管密度测量基于血管分割技术,本文对比研究了三种血管分割技术:CLAHE方法、Gabor变换法、小波变换法,三种方法均可以有效地将血管与背景部分分离,对比研究结果发现小波变换的血管分割方法噪声敏感度更低,结果更准确。血管曲率计算基于血管中线识别以及中线拟合。血管直径测量则是基于血管边界的检测。以上测量方法实现了微循环形态参数测量自动化,且测量结果准确度高。微循环动态参数测量包括血管灌注指数测量以及血流速度的测量。血管灌注指数的测量方法则是基于观察者对视频中血管灌注情况的评估。此外,本文提出了基于ST图的血细胞运动跟踪算法,并实现了血细胞运动速度的计算。本文介绍了 ST图的生成原理,并对生成的ST图通过高斯二阶拉伸滤波函数、噪声滤除函数、以及方向滤波函数进行处理,有效去除ST图中的噪声,尤其是水平条纹噪声的干扰,提高了 ST图中血细胞运动形成的轨迹线与背景部分的对比度。此外针对直径或曲率较大的血管,提出了同时考虑三条跟踪线的血流速度计算方法,有效增强微循环血流速度测量的准确性。