随着医学诊断工具的不断改进与普及应用,如磁共振影像(MRI)和计算机断层扫描技术(CT),由其产生的医学影像已常规地被用来评估病人的血管的形状、功能和状态。血管的直径、长度和体积等这些有利于诊断、计划实施外科手术和治疗的数量参数是相当重要的,但是也不太容易精确计算。血管中轴线的提取是血管量化的第一步,同时也是最重要的一步,因此它在医学图像处理上已经受到了极大的关注。三维血管图像中轴线提取的方法通常有基于形态学的细化方法、距离变换方法以及模型法等等。本文着重研究分析了细化方法和距离变换方法在血管中轴线提取过程中的重要作用,构造了基于血管特征的能量约束方程,结合动态轮廓线模型法(蛇模型),提出了一种三维血管图像能量约束方程最小化中轴线提取的方法。通过两种方式得到血管图像的初始骨架线:一种是利用细化算法;另一种是事先在血管表面上人工选取一定数量的初始点,然后逐次将两点之间的线段投影到血管表面,从而在血管表面上得到连续有序的初始骨架线。前一种方式无需人工参与,而后一种方式则更具有时效性。无论以哪种方式得到的初始骨架线,它都能在能量约束方程的作用下,不断进行其能量最小化迭代,最终准确地收敛到血管中轴线的位置。由于能量约束方程最小化可以看作是函数优化问题,因此,我们在血管中轴线提取中引入了智能优化算法。本文中,我们重点研究和改进了粒子群优化算法,并提出了粒子群“质心”的概念。最后,将提出的改进算法用于血管中轴线提取之中,从而使提取的中轴线更加精确。