冠状动脉粥样硬化性心脏病,也叫做“冠心病”,严重威胁着人们的生命健康。血管内超声成像设备能够提供冠脉横截面图像,被认为是冠心病诊断的新“金标准”。对血管内超声图像序列进行三维重建,医生能多角度观察血管的空间形态结构及内部斑块分布,从而提高医生对心血管疾病诊断的准确性以及客观性。医学图像的三维重建中,目前在临床中使用最多的是体绘制方法,相比面绘制,其能有效呈现物体内部形态,但受其渲染理论限制,依旧难以达到人眼所见现实世界的真实感。电影绘制是近年来提出的一种新颖的医学图像渲染理论,该技术灵感来自于电影、动画产业。本文基于电影绘制的思想构建血管内超声图像的三维重建模型,并探索其在血管内超声图像上的表现力,并分别从心动周期的分离、血管内超声图像的滤波、光照模型的构建、光线采样算法的优化四个方面进行研究。研究主要工作如下:(1)提出了一种血管内超声图像心动周期的非线性累加分离方法。摒弃传统的心动特征线性加权提取法,构建心动周期的幂级数函数模型,通过多特征非线性累加法拟合,最后进行聚类筛选并验证。该心动函数模型大大提高了心动周期分离的效率与准确度。(2)提出了一种血管内超声图像综合降噪算法。提出在心动周期分离的基础上使用多图像平均滤波和改进的双边滤波,以降低血管图像中的随机噪声和斑点噪声;并在单帧图像进行中值滤波与Frost滤波,最后取平均;结果显示本文综合降噪方法既有多帧图像的共性,又含单帧图像的特异性,明显优于其它算法。(3)设计了一种基于物理光照的电影绘制渲染模型。高度模拟自然光现象,构建光线吸收加反射加散射的渲染模型,并与现临床使用最多的体绘制三维重建方法对比,本文三维重建模型的血管更加逼真且对血管中斑块有更强的表现力。(4)提出了一种高效的光线采样算法。反函数法拟合采样点分布,并在采样接受率中引入梯度比重项,以重点渲染图像的高频区域加快图像收敛,仿真结果表明本文光线采样法在渲染质量与渲染速度上均有明显提升。