血管内超声(IntravascularUltrasound，IVUS)是对诸如动脉粥样硬化之类的冠状动脉疾病的诊断和评价的常用手段，它具有安全、实时和无损等优点。提取血管内超声图像冠状动脉血管壁的边缘并作进一步的图像分析处理，可以对血管腔的面积、血管厚度进行精确测量，还可以识别早期冠状动脉粥样硬化斑块，并对斑块的形态结构实时显示，对斑块成分和偏心距等参数实时检测。所以，血管内超声图像的边缘检测对冠状动脉疾病的诊断和治疗有着重要的临床意义。 Snake动态轮廓模型最初是应用于唇部的动态跟踪。Snake模型是运用最小能量原理，能够得到较好的整体效果，但是也存在着不足之处：一是对凹形边缘或具有较高曲率的凹形边缘等检测不理想；二是它对轮廓线的初始位置要求较高。梯度矢量流Snake模型(GVFSnake)比较成功地解决了凹型轮廓和初始轮廓线的确定两个问题。目前这两种方法在医学图像处理领域得到了广泛的应用。 目前由于技术的局限性，所获取的血管内超声图像还存在严重噪声。血管壁轮廓与噪声同分布在高频区域，且背景噪声大。它们降低了图像的空间分辨率和对比度分辨率，模糊了血管边缘，从而对边缘提取等后续图像分析处理工作造成不利影响。因此，仅仅只采用Snake模型或GVFSnake模型难以达到理想的检测效果。 本文针对上述困难，提出了一种解决问题的新方法：首先对血管内超声图像进行预处理，降低图像的复杂度，然后再采用GVFSnake算法，得到了较好的处理效果。这种方法结合了归一化、区域选择、二值化处理、Canny算子边缘检测和Hough变换圆检测、极坐标变换和基于熵的阈值分割、梯度矢量流Snake变换、除噪处理及图像迭加处理等方法。 经多次实验验证，本文所采用的血管内超声图像血管壁内、外膜边缘检测处理方法，成功提取了血管内超声图像血管壁内、外膜边缘，取得了较为理想的效果。为血管内超声图像血管壁内、外膜边缘检测提供了一种有效的检测方法。