磁共振成像(MagneticResonanceImaging，MRI)能够无侵入地对人体的软组织器官进行成像，并已经成为心脏疾病临床诊断的重要辅助手段。电影磁共振图像序列能够动态的反映心肌运动过程，并且比目前常用的加标记磁共振图像序列具有一定的优势，所以针对电影磁共振图像的心肌运动估计研究具有重要的应用价值。但是，由于灰度信息相近而且特征点稀少，基于电影磁共振图像的运动估计具有较大难度，目前还缺乏精度高、速度快、抗噪性强的运动估计方法。　　光流算法是经典的运动估计方法，并已经被应用于医学图像处理领域。想要获得准确的电影磁共振图像心肌运动估计结果，更多的图像特征描述方法需要被引入到光流算法中。单演信号特征包含图像中相互独立的局部振幅、局部相位、局部方位的信息，可以为电影磁共振图像心肌运动估计算法提供更多的可用信息，从而获得更精确、快速和鲁棒的估计结果。本文将单演信号和光流算法进行结合，提出更加适合电影磁共振图像心肌运动估计的改进算法。具体研究工作概括如下：　　针对电影磁共振图像特征稀少的问题，为了提高运动估计的精度，本文采用电影磁共振图像的单演信号特征构造三维矩阵，并把该矩阵引入基于相关变换的光流算法中。图像的三种单演信号特征是相互独立的，可以看作是将原图像分成互不相关的三幅图像，而每幅图像都包含着原像素点的局部特征，通过相关变换方法将这三种特征都引入到光流算法中，这增加了光流算法的约束条件，使不完备的光流方程变得完备，也获得了更好的运动估计结果。针对仿真序列图像实验的结果表明，提出的算法比最近发表的经典光流算法的运动估计准确率有显著的提高。基于临床数据的实验显示，该算法能够很好地指出心肌运动异常区域，与专业医师诊断出的病变位置一致。　　为了减少电影磁共振图像心肌运动估计的运算时间，论文引入了Alessandrini算法，该算法基于单演相位匹配，并做了适于加标记磁共振图像心肌运动估计的改进，与传统光流算法相比，该算法不但精度获得提高，并且计算速度具有明显的优势。但是由于电影磁共振图像的纹理特征稀少，该方法并不适合电影磁共振图像心肌运动估计。所以，论文中引入了分数阶微分方法对电影磁共振图像进行纹理增强，增加电影磁共振图像的纹理特征。分数阶微分可以在非线性地保留图像结构信息的同时，显著地增强图像的纹理信息，通过增加的纹理信息可以计算获得更多的单演相位信息用于光流算法。模拟数据实验证明把纹理增强后的电影磁共振图像引入Alessandrini算法中，能够提高运动估计的准确率，同时也具有Alessandrini算法运算时间短的优点。通过电影磁共振图像临床数据的验证，该算法能准确的诊断出心肌患病区域。　　为了适应噪声较大的电影磁共振图像，本文引入结构-纹理信息分解方法，把原图像分解为纹理图像和结构图像两部分。针对纹理图像特点和结构图像的特点分别采用单演曲率张量光流算法和基于灰度信息的光流算法进行运动估计，然后对估计得到的位移场进行线性平均获得最后的运动场，该算法的思想就在于将图像分成不同的成分，以便于根据不同成分的特点分别进行处理，计算得到的运动估计结果精确度有了提高，抗噪性能也获得提升。并且在临床数据中计算获得的估计结果能够准确的指出心肌患病区域。　　本文将利用光流算法结合单演信号对电影磁共振图像进行心肌运动估计，并将运动估计结果应用到心脏疾病的诊断中。采用对电影磁共振图像运动估计的结果和加标记磁共振图像的运动估计结果进行了对比分析的方式对心肌运动估计结果的医学诊断标准进行了验证分析，进而总结出基于临床电影磁共振图像运动估计结果的医学诊断方法，并在多组临床数据中进行了验证。