近年来,随着生活水平的提高,由心脑血管病变引起的各种疾病的发病率正在逐年上升。而临床研究发现,在许多心脑血管疾病发病早期,动脉直径会发生显著变化,从而引发管壁弹性减弱。因此,寻找合适的算法检测血管壁的搏动位移曲线成为了预防此类疾病的一个可行研究方向。而目前最常用的超声斑点追踪(SpeckleTracking Image)算法对颈动脉管壁搏动位移的检测精度不够,且准确性严重依赖斑块的选择。为此,本文提出了基于光流场模型改进算法,该算法是在经典Horn光流模型的基础上,根据超声图像成像特点改进而得到的。经典光流估计算法要求图像亮度恒定、位移微小,而临床上采集到的超声图像许多时候并不满足这些要求。因此,本文在经典光流算法的基础上进行改进,引入了 L-K金字塔模型的分层思想和用于剔除不连续点的Hessian矩阵,避免由于超声图像中组织运动不连续而产生的光流计算误差。接下来将改进后的算法与当前超声图像运动检测最常用的斑点追踪算法进行比较,分析改进算法的准确性。临床上采集到的颈动脉图像管壁搏动位移会受到各种干扰影响,无法获得真实的位移曲线,不能直接用于算法的准确性验证。因此本文建立了颈动脉超声仿真模型,仿真出30组声束为16线,扫描频率为1024Hz的脉搏波沿血管壁传播的颈动脉B超序列图像。同时用斑点追踪,Horn光流场模型以及本文提出的改进光流场模型三种算法对该仿真超声图像序列管壁搏动位移进行提取,将得到的结果与理论搏动曲线进行比较,定量的分析几种算法的误差。结果表面,改进光流场模型提取到的管壁搏动位移曲线更加接近理论曲线,检测误差低于10%。在完成仿真验证后,继续用临床颈动脉图像测试几种算法的管壁位移提取效果。综上所述,本文的光流场改进算法提取到的颈动脉管壁搏动位移曲线更加精确,从而能够为临床上心脑血管疾病的早期诊断提供更准确的诊断依据。