组织周围微血管结构变化能够反映许多血管类疾病的发生与发展过程,其肿瘤的生长、侵袭与转移等过程生成了大量形态结构异常、网络分布复杂的毛细血管。本课题借助光学分辨率光声显微成像（Optical-Resolution Photoacoustic Microscopy,OR-PAM）技术来获取小鼠体内早期肿瘤的微血管图像。对于组织周围分布较深且密集的细小血管网络,在成像过程中由于光的散射或者成像系统不够稳定等原因,导致图像的部分血管区域比较模糊、存在噪声、血管边缘出现毛刺信号等不足。由此,本课题提出了适用于光声三维微血管图像的血管分割及微血管量化方法,以增强血管网络、获取血管结构参数。主要围绕以下两点内容展开:首先,利用预处理技术去除图像噪声、提高对比度、突出更多微血管结构。针对以往基于Hessian矩阵特征值分析导致的在血管连接点或交叉处分割时发生断裂的现象,本文借助多尺度各向异性张量的方法获取了连续的血管结构。而对于血管直径相差较大或低对比度的不够完整的微弱血管网络,利用形态学重建原理将分割的连续血管与基于阈值分割得到的血管灰度信息进行三维融合处理以获得更全面的血管网络。同时,对血管体积数据分析基于Hessian矩阵特征值改进前后的分割结果,并使用强度对比法来验证融合分割算法的准确性。其次,利用多模板快速行进法提取血管骨架,克服了以往骨架提取方法不够准确的问题。再者,选用血管直径、血管曲率、微血管密度以及分形维数来表征血管的结构参数,并借助仿体数据的结构分布来说明各个参数的物理意义。同时,对血管的结构参数通过二维与三维量化方法来说明量化的差异,结果显示血管结构参数的三维量化更接近真实血管的结构分布。总之,针对三维结构上的光声微血管网络,本文实现了完整的血管分割与结构参数的量化,获取了更全面、更准确的血管形态学信息,同时,三维量化对分析肿瘤的血管形态分布以及临床精准治疗提供了数据支持,具有重要意义。