血管内超声(IVUS)成像能够直观地描述冠脉解剖结构,准确地评价冠脉病变,因此在冠心病的诊断和治疗中应用越来越广泛。但是,血管内超声图像具有信噪比低、特征复杂等特点,使得前人在血管内超声图像处理与量化分析这方面研究中取得的成果较少,仍存在着一些关键的技术难点,包括血流斑点噪声抑制、图像对比度增强、复杂背景下斑块轮廓的提取以及斑块的自动分类等,该方面研究具有较高的科研与临床应用价值。针对血管内超声图像处理中的关键问题,结合临床需要,本文对噪声抑制、增强、边缘提取、纹理分类等问题进行了探索研究,全文的主要内容如下:(1)通过分析血流斑点噪声的性质,提出在对数变换下采用小波变换阈值法实现血流斑点噪声抑制。小波变换噪声抑制算法的阈值计算需要估计图像的噪声方差,本文根据IVUS图像的特点提出了一种噪声方差估计方法,并研究了离散正交小波变换和二进小波变换下不同的阈值选取方法,讨论了两种小波变换降噪算法各自的优缺点。实验结果表明基于小波变换的噪声抑制算法提高了图像的信噪比,在抑制噪声的同时较好地保留了图像的边缘等细节。(2)针对图像对比度低这一问题,将血管内超声图像对比度和图像多尺度边缘的梯度值相联系,提出了基于多尺度边缘表示和Hermite多项式插值的增强算法。实验结果表明这种增强算法较好地解决了现有算法存在的微弱信息增强和噪声放大之间的矛盾,是一种有效的图像增强算法。(3)在边缘提取过程中,提出了二进小波变换和快速主动轮廓模型相结合的方法。在快速主动轮廓模型的初始轮廓选取中,采用了基于二进小波变换模极大值原理的边缘检测技术,得到的初始轮廓与目标轮廓比较接近,能够获得较为理想的目标轮廓,而且减少了迭代收敛次数。实验结果表明该算法提取的目标轮廓和理想轮廓相近,误差较小;在大多数情况下追踪误差小于观察者自身误差。(4)在对冠脉内超声序列图像的边缘提取中,研究了基于仿真心电信号的图像重采样技术。利用心脏搏动相位和图像距离之间的关系,恢复出每帧图像对应的心率,并选取位于心脏搏动最小点的图像构成重采样之后的图像集,解决了心脏搏动导致相邻帧图像间容易错位的问题,使得目标轮廓在序列图像之间传递具有更高的准确性。实验结果表明采用重采样技术之后,新的图像集中各帧图像间相关性更强、稳定性更好。(5)研究了基于统计纹理特征提取和支持向量机的斑块分类算法。根据不同斑块类型表现出的不同纹理特性,选取了多种方法定义的纹理特征值组合成特征向量,并采用支持向量机作为分类器实现了斑块的自动分类。实验表明采用本算法识别斑块总的正确率达到了93.3%。该研究属于信息学与医学的交叉学科,研究成果较好地解决了血管内超声图像处理中存在的关键问题,实现了定性和定量分析,提高了临床诊断精度与效率。