数字减影血管造影技术(Digital Subtraction Angiography,简称DSA)是一种广泛使用的血管可视化技术,是血管疾病无创诊断与介入治疗的重要依据,如何重建出血管的三维结构,为指导诊断和治疗提供更强大依据,仍然是目前医学领域研究的热点课题之一。本论文在采用多尺度Gabor滤波器提取血管中轴的基础上,主要研究了双平面X射线血管造影图像中未知成像角度和已知成像角度的血管骨架的三维重建问题。对于未知造影角度时,本文采用基于线性方法的双平面几何成像估计,但由于八点法估计基本矩阵不稳定,导致在未知内部参数的情况下通过估计基本矩阵计算本质矩阵的技术产生误差,本文采用一种改进方法,从旋转矩阵的自身特性上找出约束条件,对本质矩阵进行了修正,保证了求得的几何变换矩阵的正确性。对于已知成像角度的造影图像,与传统的基于透视投影和几何光学的重建方法不同,本文提出两种有效的方法,分别是采用神经网络进行重建和基于活动轮廓模型snake的重建。在采用神经网络进行重建的方法中,以B样条作为重建的基元,通过神经网络模拟出了二维坐标与三维坐标的关系。在输入由B样条拟合血管得到的对应控制点后,就可以在输出端得到相应的三维血管B样条曲线。在基于snake模型的重建方法中,二维snake模型被推广到三维,用来表达血管初始形态,令snake模型保持自身平滑连续的同时在空间中不断发生形变,使得其投影到两幅造影平面上的图像与原图像重合。此方法避免了大量对应点的寻找,只需设定少量的描绘血管形态的点即可。为了得到精确的重建结果,本文提出了采用血管分叉点优化几何变换矩阵的方法,并且针对血管的特性采用GVF(Gradient Vector Flow)场作为三维snake的外部能量场。实验结果证明,本文提出的方法不但减少了人工干预,更有效地提高了重建精度。