近年来，心脏疾病已成为全球头号死因，对人们的生命健康构成严重威胁。标记心脏MR成像（Tagging Cardiac MR Imaging，TCMRI）技术能对心脏的运动和变形进行精确跟踪。通过从标记心脏MR（Tagged Cardiac MR，TCMR）图像中估计和分析心肌运动，可以评估心脏功能是否存在异常并定位异常部位，为心脏疾病的有效预防和准确诊断提供科学量化的依据。基于TC MR图像的心肌运动估计已成为医学图像分析领域的热点研究问题。现有的TC MR图像心肌运动估计研究方法主要包括标记跟踪方法、光流法、基于配准的方法和基于相位信息的方法等。其中，基于相位信息的方法被认为是目前具有最好的综合性能的一类方法，其中的典型代表为谐波相位（Harmonic Phase，HARP）方法和局部正弦波建模（Local Sine-wave Modeling，SinMod）方法。由于Si nMod方法在噪声伪影抑制和位移检测精度等方面都超过HARP方法，因此具有更广阔的应用前景。但研究表明，SinMod方法还存在以下四个主要问题：（1）不能自动准确地选取TCMR图像的中心频率；（2）无法估计幅值超过半标记间距的帧间运动位移；（3）对TCMR图像中标记线的运动跟踪存在可见的误差；（4）所估计的运动位移场存在较大的局部误差。　　针对SinMod方法不能自动准确选取中心频率的缺点，在 TCMR图像的初始标记间距和初始标记方向角已知时，提出了中心频率的直接计算公式。在两组标记参数未知时，提出了一种鲁棒精确的中心频率自动估计算法。该自动估计算法基于均值偏移算法和双向联合策略，根据TCMRI技术中初始标记方向彼此正交的特点，先通过傅立叶变换从目标TC MR图像得到功率谱图像，然后将该功率谱图像与其旋转90度的结果相叠加，以得到联合两个标记方向信息的修正功率谱图像，再根据均值偏移算法从修正的功率谱图像中迭代地定位出中心频率，从而实现在标记参数未知情况下的中心频率精确自动估计。　　提出了一种基于标记约束和多级 B样条插值的运动估计方法。该方法利用图像在空域中的全局旋转和缩放在对应的频域中同样表现为旋转和缩放的性质，通过估计相邻TC MR帧各自的中心频率计算帧间的旋转角度和缩放倍数，并将这些全局运动参数作为帧间标记交点匹配的参考依据，在一定程度上克服了SinMod方法不能准确估计幅值超过半标记间距的位移的限制；通过对插值所得到的标记线上各点的局部运动位移进行校正，将原本处于标记线上的心肌质点在经帧间运动后的位置仍然约束于标记线上，从而有效地抑制对标记线运动的跟踪误差；将多级 B样条逼近（Multilevel B-splines Approximation，MBA）算法应用于对稀疏运动位移的插值处理中，先利用较低层级的MBA算法从已经过匹配的标记交点的运动位移插值出所有标记点的运动位移，再利用较高层级的MBA算法从已经过校正后的标记点运动位移插值出图像中任意像素点的运动位移，使所得到的运动位移场的局部平滑性比SinMod方法更好，整体运动估计精度更高。　　对模拟及实际数据的实验结果表明，在标记参数已知的情况下，所提出的中心频率直接计算方法将 SinMod方法对于模拟数据的运动估计均值误差和均方根误差相比具有最快处理速度的最亮点算法（MAX）分别减小了34.2％和39.9%；在标记参数未知的情况下，所提出的中心频率自动估计算法将SinMod方法对于实际数据的运动估计均值误差和均方根误差相比 MAX算法分别减小了14.1%和3.0%。所提出的基于标记约束和MBA插值的运动估计方法能得到局部平滑性比SinMod方法更好的运动位移场，在帧间存在较大的心肌旋转和缩放运动形变的情况下能有效地估计出幅值超过半标记间距的位移，将应用 RACE算法的 SinMod方法对于实际数据的标记线运动跟踪误差减小了48.3%。