在医学图像处理领域,血管内超声(IVUS)图像分割一直都是研究热点,在临床应用中能够为心血管疾病诊断提供重要的数据参考信息,该研究课题致力于对IVUS图像中的管腔、介质、斑块等区域进行提取、分割。由于血管内超声图像中多种伪影噪声的干扰,现有IVUS图像分割方法较依赖于交互信息的输入,为分割算法提供初始化信息,容易产生误差累积效应,影响了分割精度和效率。针对上述背景,本文提出了基于极值区域检测的血管内超声图像分割方法,从管腔内膜、外膜提取和钙化斑块检测等角度展开技术研究,具体的研究工作如下:1.设计了一种极值区域特征提取器。针对IVUS图像分割建模复杂,缺乏利用显著特征信息的问题,设计了基于极值区域的显著特征提取器。改进传统的最大稳定极值区域算法,设计了梯度特征点,通过梯度特征点将区域的边缘显著信息纳入极值区域的检测标准中,实现了完整的极值区域特征提取器。实验表明,极值区域特征提取器为后续的管腔内膜、外膜并行分割以及钙化斑块检测提供基础的特征提取服务,将血管内超声图像的边缘分割问题转化为极值区域检测和区域筛选问题,降低了建模模型复杂度,提高了分割精度。2.设计了一种血管内超声图像管腔内外膜并行分割方法。针对建模复杂,串行分割效率低的问题,设计了基于极值区域检测的管腔内外膜并行分割方法。基于极值区域的理论,改进最大稳定极值区域算法的区域生成过程,获取极值区域集合,筛选最符合管腔、介质物理性质的候选区域,并实现区域轮廓拟合。实验表明,与现有方法相比,本文实现了血管内超声图像管腔内膜、外膜并行分割,无需交互性输入,提高了分割效率和精度。3.设计了一种血管内超声图像钙化斑块分割方法。针对现有斑块分割方法对管腔、介质区域预分割依赖性较高的问题,设计了一种IVUS图像钙化斑块分割算法。在极值区域特征提取器的基础上,重新给出了由极值水平阈值求解、极值区域筛选等部分构成的可行技术方案。实验表明,本文提出的钙化斑块分割方法降低了对管腔内膜、外膜的依赖性,充分利用了斑块的物理性质,在标准数据集和临床数据集中都能完成钙化斑块分割。针对以上每个研究内容,本文都进行了可行性分析和实验说明,以图像可视化、数据量化等形式来开展血管内超声图像分割算法的有效性、鲁棒性分析,为理论分析提供数据依据。