动脉粥样硬化逐渐成为威胁人们身体健康的高危疾病之一。由于动脉粥样硬化的治愈率低,复发率高,及时发现和诊断该疾病对预防病情恶化具有重要意义。颈动脉的内中膜厚度(Intima-Media Thickness,IMT)是动脉粥样硬化的一项重要指标。目前,超声成像技术在临床中已经得到了广泛的应用,首先需要获取颈动脉血管的超声图像,但是由于超声图像中的脉冲噪声和特有的斑点噪声(Speckle),使颈动脉内中膜厚度提取变得十分困难。并且在医师手动测量颈动脉的IMT时,如果测量的数据庞大,不仅费时费力,而且通常情况下由于测量者的不同测量习惯,得出的结果可能会存在偏差。为了解决超声图像中的脉冲噪声和特有的斑点噪声这一问题,本文对中值滤波和小波变换分别进行了研究,发现它们都不能很好的去除超声图像中的噪声。为此,本文首先对中值滤波进行改进,研究出改进的极值中值滤波算法,再与小波变换相结合得到新型滤波算法。本文提出的改进的极值中值滤波和小波变换相结合的新型滤波算法用于图像去噪,这种结合两种图像去噪算法进行图像去噪可以很好的保留图像的边缘信息,对去除超声图像中的噪声具有很好的效果。为了准确地提取出颈动脉的IMT,本文对仿真数据和临床数据分别进行了分析研究,借助Field II仿真平台获得颈动脉血管超声仿真图像。同时,对临床颈动脉的超声射频回波信号也进行了各方面的研究,借助MATLAB超声仿真获得颈动脉的射频图像、包络图像以及超声图像。在研究分析了颈动脉超声图像的特点和现有方法的优缺点基础之上,我们发现传统的Snake模型不可以提取狭窄和深凹区域图像的正确轮廓,图像分割不够准确,存在一定的局限性。为此,本文对传统的Snake模型进行了改进,研究出改进的GVF-Snake模型进行图像分割以提取颈动脉的IMT。梯度矢量流(GVF)的外力场可以大大改善内中膜边缘轮廓的检测,从而实现内中膜边缘的准确提取。首先使用传统的Snake模型找出内膜的初始轮廓曲线,再用改进的GVF-Snake模型使初始轮廓收敛到内膜边缘,将内膜边缘的分割结果向下平移到中膜的轮廓附近作为中膜的初始轮廓,再使用改进的GVF-Snake模型使初始轮廓收敛到中膜边缘。实验结果表明,本文采用改进的GVF-Snake模型能够准确地提取出颈动脉超声图像的内中膜厚度。此外,本文利用图形用户界面(GUI)设计开发了颈动脉超声图像系统,使用者可以根据自身需要,自由选择想要测量的颈动脉血管超声回波射频信号。本研究可以显著提高医师对颈动脉血管病变的诊治,为分析病情提供了便利,对未来颈动脉血管的研究有着及其重要的意义。