桡动脉为肱动脉的一条终支,通过分析桡动脉可以得到人体许多重要信息,如心率、血液流速、血管壁收缩情况等。国内外医护人员一般通过经验来识别桡动脉位置以进行病情的诊断和治疗,耗时长且准确度较低。针对此问题,本文创新性的提出使用计算机视觉自动定位超声图像中桡动脉的方法,论文主要工作和创新点如下:1.对桡动脉超声图像的去噪算法和形态学滤波算法展开了研究。首先分析了超声图像中的噪声种类,其次研究了多种去噪算法的基本原理,完成了相应的实验,并通过去噪算法评价指标分析了不同去噪算法在桡动脉超声图像去噪场景中的性能,得出了基于小波变换的阈值去噪算法在桡动脉超声图像中去噪性能最优的结论。同时研究了多种形态学运算原理,结合桡动脉超声图像特征,对超声图像进行闭运算,实验证明使用去噪算法结合闭运算可有效去除噪声,保留手腕组织细节,为后续桡动脉检测算法打下基础。2.对比分析了多种边缘检测算子原理,验证了不同算子在超声图像边缘检测中的性能,通过理论分析与实验证明了Canny算子边缘检测算法在超声图像中的有效性;研究了Freeman轮廓提取算法原理,实现了超声图像中的桡动脉轮廓的提取。以边缘检测算法与轮廓提取算法为基础,提出了基于坐标筛选与椭圆拟合算法结合的桡动脉检测算法和基于帧差法与椭圆拟合结合的桡动脉检测算法,分别分析了两种算法的检测原理,并结合实验对比分析了两种桡动脉检测算法的性能和优缺点。实验结果证明了两种算法在不同超声图像场景下的有效性。3.基于两种桡动脉检测算法的优缺点和性能,提出了结合两种桡动脉检测算法和运动目标跟踪算法的桡动脉检测与跟踪算法。研究了Meanshift跟踪算法原理,设计了基于Meanshift的桡动脉跟踪算法并完成相应的实验,其实验证明了该算法在跟踪超声图像中的桡动脉的局限性;分析了卡尔曼滤波算法原理,设计并阐述了基于卡尔曼滤波器的桡动脉跟踪模型及其算法原理,实验结果表明该算法可提升桡动脉超声检测算法的稳定性,在超声视频稳定且桡动脉不剧烈移动的情况下,使桡动脉的平均检测率达到了94.5%。4.设计了基于超声图像的桡动脉检测系统,搭建了桡动脉超声图像采集及检测跟踪硬件平台,设计了基于超声图像的桡动脉检测系统的软件整体框架,结合实验结果系统的分析了该系统运行过程及其算法处理流程,实验表明该系统可实现对超声图像中的桡动脉进行稳定的检测与跟踪,具有一定的创新性和工程应用前景。