X射线血管造影检查是目前国际上公认的诊断心脑血管疾病的最有效手段之一,但基于二维造影图像的传统诊治方法存在很大的局限性。血管的三维重建技术不仅能为医生提供形象、直观的三维血管形状图像,而目可以辅助测量血管的有关参数(如直径大小、血管长度和截面积等),从而有助于冠心病等血管疾病的诊断和治疗。本文主要研究了血管造影图像的二维信息处理、三维重建和三维重建优化。　　针对各向异性扩散的几个主要缺点,论文结合Facet(小面)模型提出了新的各向异性扩散方程,在每一步的迭代中,利用Facet模型拟合原图像进行去噪,并利用Hessian矩阵的特征值的平方和作为选择传导参数的依据,从而解决了传统的各向异性扩散方程中手动选取参数的问题。　　造影剂在流经脑部血管的过程中,由于造影剂的流动,当造影剂到达细小血管终端时,流经血管主动脉的造影剂就基本消失了,这样无论对于哪一帧的血管造影图像,都不能分割出完整的血管结构。由于脑部血管的位置在一个序列中基本不会变化,因此利用血管同一位置处在造影剂流动过程中的灰度变化特性,进行了脑血管的分割。　　为解决单一平面造影系统多视点冠脉造影序列影像的时间匹配问题,通过对序列冠脉造影影像的分析,提出了一种基于弯曲能量的时间匹配方法代替传统的心电门控方法来进行两个视点冠脉造影图像序列的对应帧时间匹配。采用一种基于轮廓向量的自适应曲率提取方法进行曲率提取,利用曲率信息计算每帧图像的弯曲能量,把造影图像序列的时间匹配问题转化为弯曲能量曲线的对应匹配问题。　　在分析冠脉造影系统三维重建的精度与稳定性的基础上,针对序列图像对应帧摄像机内外参数不发生变化,基础矩阵理论上都相同的特点,把景物重建中常用的RANSAC(随机采样一致性)方法进行基础矩阵估计的方法应用到血管冠脉造影图像的三维重建中来,RANSAC方法采用大样本特征点对基础矩阵进行估计,实验比较了这种方法与改进的八点算法的误差,证明该方法比八点算法有更高的精度和稳定性。　　在三维重建方面,研究了冠脉造影系统的几何模型以及空间中的三维坐标变换,进一步推导出在已知造影角度时点的三维重建方法。通过B样条拟合有限的三维点,插值出更多的血管点,使三维骨架连续,具有很好的可视性并减少了计算量。　　在三维重建的优化方面,分别采用自适应模拟退火优化和捆集调整方法对造影系统的参数进行迭代优化。这两种方法优化时间效率高,优化结果相比于优化之前都有很大的提高。