超声成像具有无创、实时等优点,能够便捷的完成对于人体内部器官的成像过程。因此,超声成像成为了越来越多研究人员用来提取肌肉形态结构参数的重要工具,它可以提供人体内部软组织及脏器组织结构的清晰图像,是研究骨骼肌形态结构特性十分有效的工具,已被广泛应用于研究骨骼肌的结构变化,例如肌束的长度、羽状角、肌肉厚度等,这些形态参数和肌肉的力学特性直接相关,为方便快速的诊断骨骼肌的组织特性提供了便利的途径。羽状角(PA)的定义就是羽状肌肌束与肌束深层的肌腱膜之间的夹角。它反映了筋膜轴向的力矩以及它的子力矩。羽状角会随着踝关节背屈或跖屈角度的变化而变化。事实证明跟腱力矩臂长度与羽状角有直接关系。当肌肉拉伸的时候,羽状角会随着拉伸变化,也会随着主动收缩固定变化。羽状角的变化可以反映肌肉的功能与状态。近几年,研究学者尝试通过各种算法对肌肉超声图像进行处理分析,希望能够自动检测这些参数。Zhou与Zheng等人采用了迭代霍夫变换(Revoting Hough Transform)的方法,对肌纤维超声图像中羽状角进行检测,并且取得了良好的效果,并进一步应用该算法在肌肉运动过程中获取动态的羽状角。Zhao和Zhang等人采用雷登变换(Radon Transform)实现了肌肉羽状角的自动跟踪和计算。本论文主要研究内容如下:(1)分析了基于超声射频信号互相关算法和局部Radon变换在自动测量肌肉羽状角过程中的缺陷。并在此基础上提出了一种新的离散变换——可调分辨率的线性求和变换(ARLS)。介绍了该算法在自动检测肌肉羽状角中的优点,在处理超声图像中,该算法是直接定义在离散域上进行的变换,相比于其他算法,具备更高的信噪比、提供了可调整的分辨率、降低了计算成本和检测过程中的主观性、提供了更高的检测精度。(2)通过Field Ⅱ仿真程序进行了关于肌肉超声图像的仿真,获取了仿真的肌肉超声图像,对仿真超声图像进行预处理,截取得到了有效区域。为实现关于肌肉羽状角的自动检测,使用我们提出的可调分辨率的线性求和变换算法,实现关于在肌肉超声图像对于肌腱以及肌束的自动检测。在获得的肌腱、肌束角度基础上缩小检测步长提升精度。完成肌肉羽状角计算,实现在仿真超声图像中关于肌肉羽状角的自动检测。将获得的羽状角度数与已有算法中测得的羽状角度数进行比对,验证该算法在仿真实验中的可行性,且拥有更高的检测精度。(3)通过实验室提供的超声仪器,获取一组受试者实际腓肠肌肌肉的超声图像,作为临床实验数据来源。对实测超声图像进行处理,得到有效区域。为验证可调分辨率的线性求和变换算法在临床实验中的可行性,应用该算法对实测腓肠肌超声图像进行检测。得到实测超声图像中肌腱、肌束的角度,缩小检测步长,提升检测精度,完成对于实测腓肠肌超声图像中羽状角度数的自动检测。将检测得到的羽状角度数与手工标注的羽状角度数进行比对,验证该算法在临床实验中的可行性,并具有较高的精确度。